24、高级卷积神经网络学习与应用

高级卷积神经网络学习与应用

1. 图像多目标标注

在训练深度学习模型以检测多个对象时，所需的信息比简单分类更多。对于每个对象，需要通过标注过程提供分类和图像内的坐标，这与简单图像分类中的标记有所不同。

1.1 图像标注的挑战

即使是简单的图像分类，标注数据集也是一项艰巨的任务。给定一张图片，网络在训练和测试阶段都必须给出正确的分类。在标记过程中，网络要为每张图片确定正确的标签，但不同人对图像的理解可能不同。例如，ImageNet数据集的创建者借助了亚马逊Mechanical Turk众包平台上多个用户提供的分类信息。

1.2 边界框标注

使用边界框标注图像时，同样需要依靠多人的工作。标注不仅要为图片中的每个对象贴上标签，还要确定包围每个对象的最佳框。这两项任务使得标注比标记更加复杂，也更容易产生错误结果。正确的标注需要更多人的参与，以达成对标注准确性的共识。

1.3 开源标注工具

有一些开源软件可用于图像检测标注（以及后续章节将讨论的图像分割），以下是一些特别有效的工具：
- LabelImg ：由TzuTa Lin创建（https://github.com/tzutalin/labelImg ），教程见https://www.youtube.com/watch?v=p0nR2YsCY_U 。
- LabelMe ：（https://github.com/wkentaro/labelme ）是一个强大的图像分割工具，提供在线服务。
- FastAnnotationTo