【发布时间】：2017-03-28 19:26:21
【问题描述】：
我正在尝试训练一个执行图像分割的 CNN 模型， 但是如果我有几个，我很困惑如何创建基本事实 图片样本？
图像分割可以将输入图像中的每个像素分类为 预定义的类，例如汽车、建筑物、人或任何其他。
是否有任何工具或一些好主意来创建地面 图像分割的真相？
谢谢！
【问题讨论】：
标签： annotations neural-network deep-learning image-segmentation
【发布时间】：2017-03-28 19:26:21
【问题描述】：
对于语义分割，应标记图像的每个像素。有以下三种方式来解决这个任务：
基于矢量 - 多边形、折线
基于像素 - 画笔、橡皮擦
人工智能工具
在Supervisely 中，提供了执行 1、2、3 的工具。
以下是比较多边形与人工智能工具的两个视频：cars segmentation 和 food segmentation。
更多关于 Supervisely 标注功能的详细信息，请参见here。
【讨论】：
想到的一个工具是MIT's LabelMe toolbox：这个工具箱主要用于浏览数据集中现有的标记图像，但它也可以选择注释新图像。
还有this github repository 的COCO UI，您可能会觉得有用。
【讨论】：
-
如何将每个像素标记到对象类中？之后我们是否有一个数组，每个像素的类。
-
@ShamaneSiriwardhana 您通常会得到与原始图像大小相同的索引图像。
-
假设我在一张图像中有 3 个对象。那么我该如何注释呢？你能帮我吗
-
给现在阅读的人请注意，LabelMe 似乎已经很老了，托管常见问题解答/讨论的留言板将于 2021 年 12 月 11 日关闭。quicktopic.com/37/H/E4xRZ7fZZhh
【讨论】：
我创建了一个名为 COCO Annotator 的开源工具：它提供了其他工具所缺乏的任何功能：
- 直接导出为COCO格式
- 对象分割
- 用于分析数据的有用 API 端点
- 导入已以 COCO 格式注释的数据集
- 将断开连接的对象作为单个实例进行注释
- 同时使用任意数量的标签标记图像片段
- 允许每个实例或对象的自定义元数据
- 魔杖/选择工具
- 使用谷歌图片生成数据集
- 用户认证系统
【讨论】：
SageMaker Ground Truth 具有数据集管理和 UI 以支持语义分割。 https://aws.amazon.com/sagemaker/groundtruth/
我们最近发布了对 UI 的增强功能，它通过自动查找区域边界来显着加快注释速度。在这里阅读：https://aws.amazon.com/blogs/machine-learning/auto-segmenting-objects-when-performing-semantic-segmentation-labeling-with-amazon-sagemaker-ground-truth/
【讨论】：
整体流程为：
- 将数据加载到工具中
- 画一个形状。例如。使用多边形工具或其他形状工具
- 导出点并直接用于训练，或将其转换为密集像素掩码。
注解过程详解
一般来说，基于矢量的工具是首选，因为它们更准确。 例如，左边是 4 个多边形点，右边是画笔。
直观地计算它甚至可以更快地找出点。例如在这里，我只是将鼠标移到记录此内容的大纲上：
使用其他形状
例如，您可以使用椭圆或圆形来创建分割蒙版。 不需要手动创建多边形。
自动加边框
想要达到 100% 像素覆盖率背后的主要概念之一是称为自动边框的概念。基本上它只是意味着对象的边缘相交很好。例如，在 Diffgram 中，您可以选择两个点，它将创建一个匹配的边框。
最后还有很多其他概念，例如预标记、复制到下一个、跟踪等。
工具
Diffgram 的Segmentation Labeling Software 是图像和视频注释的绝佳工具选项。它是开放核心的，您可以在your kubernetes cluster 上运行它。
【讨论】：
您可以在整个数据集上使用平均和归一化技术，从而创建您的基本事实，然后标记不同的结构。为此，您可以考虑创建一个所谓的|模板|。确保您的所有数据最初都是共同注册的。
【讨论】：