图像数据集标注学习笔记

1.图像标注到底是什么？

人工划分出图像中相关目标所在区域的位置信息、分类信息和语义信息等。

2.怎么才算一个完整的标注？

根据需求不同，对于标注的完整性的要求是不同的：比如，对于目标检测图像分类的数据集中，只需要标注图片中所含目标类别即可。

3.通过VOC等知名数据集的展示，来详细解释数据标注到底怎么来的？

数据集的标注是很谨慎的，有专门的标注团队，并遵从统一的标注标准。具体介绍参见PASCAL VOC简介。

4.数据标注的工具都有哪些？

Labelme、yolo_mark、Vatic、Sloth、Annotorious、RectLabel、VoTT、VIA。具体介绍参见深度学习图像标注工具汇总。
5.标注后的结果都怎样存储？

对于VOC数据集，具体标注信息是用 xml 文件组织的。其他存储格式还有txt等。
6.与具体的图片数据相比，标注的都包含哪些必要数据？

文件名、图片来源及拥有者、图片大小、图片类别、检测难易程度、目标坐标值等。
7.如何自制数据集用于深度学习模型？

首先获取图像数据，然后统一图片格式，制作图像标注，最后将标签封装到样本中后，将其序列化。
8.怎样从手机、相机拍照开始，到标准完成？

用手机、相机拍照获取图片后，进行裁剪后统一图片格式，制作图像标注，相应标签封装到样本中后序列化，最后将数据集划分训练集和测试集。
9.如何让自己的数据集成为一个小范围内的基准，用于团队内部科研？

除了建立完备的数据集分类文件外（包括训练集、测试集），还应具备相应的评价指标和评估方法。
10基准的准则如何制定？

为了衡量算法的性能优略而制定的统一的评价标准，具体的基准的准则制定由于应用场景不同而存在差异。大体的制作目的是为了衡量算法任务完成的准确率、稳定性、运行速度等。
11.是不是任何人随便一画，随便一圈，就可以成为具有公信力的标注信息了？
不是。需要得到世界计算机顶级会议的认可。