计算机视觉数据集制作的技巧（给小白）

前言：

目标检测是计算机视觉一个重要的领域。物体检测（object detection）是计算机视觉中一个重要的分支，其大致功能是识别一组预定义的对象类，比如说人、汽车、自行车、动物。

并使用边界框（矩形框/bounding box）描述图像中每个检测到的图像位置。

通常我们会使用最小边界框（矩形框/bounding box）框出目标物体位置，并进行分类。

但是通常对象的形状往往是不规则的，所以另一种代替的方法是图像分割技术，图像分割技术一般会精确到像素级。（后话）

为了有效地给图片贴上标签，下面的文章介绍了一些策略，以确保你的数据集尽可能是高质量的。

虽然下面的最佳实践通常是正确的，但重要的是要注意，标签说明高度依赖于手头任务的性质。

此外，为一项任务标记的图像。可能不适合另一项任务——为了防止重新标记，我们应该考虑到这一点，下面让我们演练一些技巧。

 

不确定首先要标记哪些图像？ 考虑如何在计算机视觉中使用主动学习。

最好把数据集及其标签看作是有生命的东西:不断地改变和改进，以适应手头的任务。

 

1. 在每张图片上标记每一个感兴趣的物体

计算机视觉模型的建立是为了，了解像素的哪些图案，对应一个感兴趣的对象。

正因为如此，如果我们训练一个模型，来识别一个对象，我们需要在我们的图像中，标记该对象的每一个外观。

如果我们在一些图像中，不给对象贴上标签，我们将会给我们的模型，引入错误的数据。

例如，在国际象棋棋子数据集中，我们需要标记棋盘上每个棋子的外观，我们不仅仅会标注其中的一部分，我们会给标记的对象添加一个名字比如说是白色的棋子。