什么是图像标注？（通俗易懂的指南）

什么是图像标注？

图像标注是对数据集的图像进行标记以训练机器学习模型的过程。因此，用于标记您需要系统识别的特征。使用标记数据训练ML 模型称为监督学习。

标注任务通常涉及手动工作，有时需要计算机辅助。机器学习工程师预先确定标签，称为“类”，并向计算机视觉模型提供特定于图像的信息。模型经过训练和部署后，将预测和识别尚未标注的新图像中的那些预定特征。

图像标注的作用

标记图像对于功能数据集是必要的，因为它让训练模型知道图像的重要部分是什么（类别），以便以后可以使用这些标注在新的、从未见过的图像中识别这些类别。

图像标注对计算机视觉的作用

图像标注在计算机视觉中发挥着重要作用，该技术使计算机能够从数字图像或视频中获得高级别的理解，并像人类一样查看和解释视觉信息。

计算机视觉技术提供了几个惊人的人工智能应用，如自动驾驶汽车、肿瘤检测和无人机。然而，如果没有图像标注，大多数计算机视觉的显着应用都是可能的。

图像标注是创建大多数计算机视觉模型的主要步骤。数据集必须成为机器学习和计算机视觉深度学习的有用组件。

本文详细介绍了图像标注的目的、图像标注的类型以及用于使图像标注成为可能的技术。

特别是，本文将讨论：

1.图像标注的定义。什么是图像标注，为什么需要它？

2.标注图像的过程。如何成功标注图像数据集。

3.图像标注的类型。用于标注图像的流行算法和独特的策略。

图像标注的类型

：图像分类、对象检测、对象识别、图像分割、机器学习和计算机视觉模型。它是用于为模型创建可靠数据集以供训练的技术，因此对于监督和半监督机器学习模型非常有用。

有关监督和非监督机器学习模型之间区别的更多信息，我们推荐半监督机器学习模型和自监督学习简介：它是什么，计算机视觉的示例和方法。在这些文章中，我们讨论了它们的区别以及为什么有些模型需要带标注的数据集而其他模型不需要。

图像标注的目的（图像分类、目标检测等）需要不同的图像标注技术来开发有效的数据集。

1. 图像分类

图像分类是一种机器学习模型，它要求图像有一个单一的标签来识别整个图像。图像分类模型的图像标注过程旨在识别数据集图像中相似对象的存在。

它用于训练AI 模型以识别未标记图像中的对象，该对象看起来与用于训练模型的带标注图像中的类相似。用于图像分类的训练图像也称为标记。因此，图像分类旨在简单地识别特定对象的存在并为其预定义的类别命名。

图像分类模型的一个例子是在输入图像中“检测”不同的动物。在此示例中，标注者将获得一组不同动物的图像，并要求他们根据特定动物物种的标签对每张图像进行分类。在这种情况下，动物种类是类别，图像是输入。

将带标注的图像作为数据提供给计算机视觉模型，可以训练模型针对每种动物的独特视觉特征。因此，该模型将能够将新的未标注动物图像分类为相关物种。

2. 物体检测和物体识别

对象检测或识别模型将图像分类更进一步，以找到图像中对象的存在、位置和数量。对于这种类型的模型，图像标注过程需要在每张图像中每个检测到的对象周围绘制边界，使我们能够定位图像中存在的对象的准确位置和数量。因此，主要区别在于在图像中检测类而不是将整个图像归类为一个类（图像分类）。

类别位置是类别之外的一个参数，而在图像分类中，图像内的类别位置是无关紧要的，因为整个图像被识别为一个类别。可以使用边界框或多边形等标签对图像内的对象进行标注。

物体检测最常见的例子之一是人物检测。它需要计算设备不断分析帧以识别特定对象特征并将当前对象识别为人。对象检测还可用于通过跟踪特定时间段内特征的变化来检测任何异常。

3. 图像分割

图像分割是一种图像标注，涉及将图像分割成多个片段。图像分割用于定位图像中的对象和边界（线、曲线等）。它在像素级别执行，将图像中的每个像素分配给特定的对象或类。它用于在分类输入方面需要更高准确性的项目。

图像分割进一步分为以下三类：

语义分割描绘了相似对象之间的边界。当需要非常精确地了解图像中对象的存在、位置和大小或形状时，可以使用此方法。

实例分割识别图像中对象的存在、位置、数量以及大小或形状。因此，实例分割有助于标记图像中每个对象的存在。

全景分割结合了语义和实例分割。因此，全景分割提供为图像内的背景（语义分割）和对象（实例分割）标记的数据。

4. 边界识别

这种类型的图像标注标识图像内对象的线条或边界。边界可以包括特定对象的边缘或图像中存在的地形区域。

一旦图像被正确标注，它就可以用来识别未标注图像中的相似模式。边界识别在自动驾驶汽车的安全运行中起着重要作用。

5.形状标注

在图像标注中，根据所选技术使用不同的标注形状来标注图像。除了形状之外，线条、样条和界标等标注技术也可用于图像标注。

以下是基于用例使用的流行图像标注技术。

5.1 边界框

边界框是计算机视觉中最常用的标注形状。边界框是用于定义对象在图像中的位置的矩形框。它们可以是二维 (2D) 或三维 (3D)。

5.2 多边形

多边形用于标注图像中的不规则对象。这些用于标记预期对象的每个顶点并标注其边缘。

5.3 地标

这用于确定基本的兴趣点在图像中。这些点被称为地标或关键点。Landmarking在人脸识别中很重要。

5.4 直线和样条

线条和样条线用直线或曲线标注图像。这对于边界识别以标注人行道、道路标记和其他边界指示符非常重要。

图像标注需要多长时间？

标注图像所需的时间在很大程度上取决于图像的复杂性、对象的数量、标注的复杂性（多边形与框）以及所需的准确性和细节水平。

通常，即使是图像标注公司也很难知道图像标注需要多长时间才能对某些样本进行标记以根据结果进行估计。但即便如此，也不能保证标注质量和一致性允许精确估计。虽然自动图像标注和半自动工具有助于加快这一过程，但仍然需要人为因素来确保一致的质量水平（因此是“监督”）。

通常，与具有更多控制点（叉子、酒杯、天空）的基于区域的对象相比，具有较少控制点（窗户、门、标志、灯）的简单对象需要的标注时间要少得多。具有半自动图像标注和深度学习模型的初步标注创建工具有助于加快标注质量和速度。

视频标注

视频标注是基于图像标注的概念。对于视频标注，在每个视频帧（图像）上手动标记特征以训练用于视频检测的机器学习模型。因此，视频检测模型的数据集由各个视频帧的图像组成。

下一步是什么

图像标注是用数据标签标注图像的任务。标注任务通常涉及在计算机辅助帮助下的手动工作。