机器视觉中常用开源数据集和免费标注工具

本文介绍了机器视觉的重要性和广泛应用,如自动驾驶、无人机等,并强调了数据标注在训练模型中的关键作用。文章列举了多个常用的开源数据集,如COCO、ImageNet,以及一系列图像标注工具,包括Comma coloring、Annotorious和LabelMe等,帮助读者入门机器视觉研究。
摘要由CSDN通过智能技术生成

科技巨头如Google,微软,亚马逊等都纷纷宣布在AI领域布局,AI的影响随着深度学习的应用日益深入。机器视觉作为一个热门子领域,无论是在传统金融行业还是最新自动驾驶领域都掀起了一股学习应用的浪潮。
这是多么棒的一件事啊!

但是我们应该如何简单的开始研究机器视觉?以下是几个主要的步骤:

  1. 收集大量的数据
  2. 标注这些数据
  3. 拿到GPUs-训练ML模型需要强大的计算支撑
  4. 选择一个算法-训练你的模型-检测结果-教会你的模型它还不知道的东西

重复以上步骤直到你得到的满意的模型准确率。

以上5步中的每一步都有他们自己的技术和操作注意事项。在这篇文章中,我们会针对第2条(标注训练数据)来进行简单的讲解。

机器视觉得几个广泛应用案例:

  • 自动驾驶车辆(waymo,Tesla,Cruise)——一个自动驾驶的车辆需要识别出它前方的物体(和后方!),是一辆车,路标,行人或者是一只流浪的公鸡;

  • 无人机——亚马逊想要利用无人机来为客户送货,那么无人机需要知道在他们前方的物体以便于他们不会撞上飞行中的鸟或者电线。无人机也被广泛应用于安全安防和军队侦查;

  • 地图和卫星(mapbox,Here,Orbital Insight)——卫星拍摄图片的数量呈现出爆发性增长!这些数据可以用来确认台风中是否有幸存者,使地图内容更丰富甚至通过计算沃尔玛停车场的车辆来预测销售情况;

  • 机器人——机器视觉用来构建可以识别并且从货架上取下某类商品的机器人手臂或者工业自动化甚至玩网球;

  • OCR/BFSI——

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值