人工智能數(shù)據(jù)標(biāo)注實(shí)戰(zhàn)教程 課件 二 任務(wù)三圖像分割標(biāo)注1

第二章

圖像任務(wù)標(biāo)注項(xiàng)目任務(wù)三

圖像語義分割標(biāo)注內(nèi)容概括概念典型應(yīng)用場景實(shí)踐標(biāo)注操作基于人工智能和深度學(xué)習(xí)方法的現(xiàn)代計算機(jī)視覺技術(shù)在過去10年里取得了顯著進(jìn)展。如今，它被用于圖像分類、人臉識別、圖像中物體的識別、視頻分析和分類以及機(jī)器人和自動駕駛車輛的圖像處理等應(yīng)用上。許多計算機(jī)視覺任務(wù)需要對圖像進(jìn)行智能分割，以理解圖像中的內(nèi)容，并使每個部分的分析更加容易。今天的圖像分割技術(shù)使用計算機(jī)視覺深度學(xué)習(xí)模型來理解圖像的每個像素所代表的真實(shí)物體，這在十年前是無法想象的。圖像分割主要用于提取圖像中用于表述已知目標(biāo)的種類與數(shù)量問題、目標(biāo)尺度問題、外在環(huán)境干擾問題、物體邊緣等的像素值。圖像分割從分割目的上被分為語義分割、實(shí)例分割以及全景分割。1.1概念通常意義上的目標(biāo)分割指的就是語義分割，圖像語義分割，簡而言之就是對一張圖片上的相關(guān)像素點(diǎn)進(jìn)行分類，即對圖像中的每個像素都劃分出對應(yīng)的類別，實(shí)現(xiàn)像素級別的分類。和前邊的分類任務(wù)不同的是，語義分割不僅僅是使用矩形框框住某一類物體即可，需要將該類物體用某種像素值進(jìn)行標(biāo)注。1.2典型應(yīng)用場景1、自動駕駛自動駕駛是一項(xiàng)復(fù)雜的機(jī)器任務(wù)，需要在不斷變化的環(huán)境中進(jìn)行感知、規(guī)劃和執(zhí)行。由于其安全性至關(guān)重要，因此還需要以非常高精度執(zhí)行此任務(wù)。語義分割提供有關(guān)道路上自由空間的信息，以及檢測車道標(biāo)記和交通標(biāo)志等信息，為自動駕駛起到關(guān)鍵作用。1.2典型應(yīng)用場景2、地質(zhì)檢測語義分割問題也可以被認(rèn)為是分類問題，其中每個像素被分類為來自一系列對象類中的某一個。因此一個使用案例是利用土地的衛(wèi)星影像制圖。土地覆蓋信息是重要的各種應(yīng)用，如監(jiān)測地區(qū)的森林砍伐情況和城市化等。1.2典型應(yīng)用場景3、面部識別面部的語義分割通常涉及諸如皮膚、頭發(fā)、眼睛、鼻子、嘴巴和背景等的分類。面部分割在計算機(jī)視覺的許多面部應(yīng)用中是有用的，例如性別、表情、年齡和種族的估計。影響人臉分割數(shù)據(jù)集和模型開發(fā)的顯著因素是光照條件、面部表情、面部朝向、遮擋和圖像分辨率的變化等。1.2典型應(yīng)用場景4、服飾分類由于服裝數(shù)量眾多，服裝解析與其他服務(wù)相比是一項(xiàng)非常復(fù)雜的任務(wù)。這與一般的物體或場景分割問題不同，因?yàn)榧?xì)粒度的衣物分類需要基于衣服的語義、人體姿勢的可變性和潛在的大量類別的更高級別判斷。服裝解析在視覺領(lǐng)域中得到了積極的研究，因?yàn)樗诂F(xiàn)實(shí)世界的應(yīng)用程序即電子商務(wù)中具有巨大的價值。1.2典型應(yīng)用場景5、農(nóng)業(yè)場景精確農(nóng)業(yè)機(jī)器人可以減少需要在田間噴灑的除草劑的數(shù)量，作物和雜草的語義分割可以幫助他們實(shí)時觸發(fā)除草行為，這種先進(jìn)的農(nóng)業(yè)圖像視覺技術(shù)可以減少對農(nóng)業(yè)的人工監(jiān)測，提高農(nóng)業(yè)效率和降低生產(chǎn)成本。1.3實(shí)踐標(biāo)注操作此處準(zhǔn)備了4張含有人的圖像用于標(biāo)注，分別包含了2個人，4個人、1個人和5個人。如圖所示。準(zhǔn)備數(shù)據(jù)1.3實(shí)踐標(biāo)注操作打開label-studio，在頁面選擇“CreateProject”創(chuàng)建項(xiàng)目，命名為SemanticSegmentation，并添加相應(yīng)描述，如圖所示。創(chuàng)建項(xiàng)目1.3實(shí)踐標(biāo)注操作選擇“DataImport”，通過左上角的UploadFiles選擇準(zhǔn)備好的數(shù)據(jù)，進(jìn)行導(dǎo)入。兩圖分別為導(dǎo)入數(shù)據(jù)前后的“DataImport”界面。導(dǎo)入數(shù)據(jù)1.3實(shí)踐標(biāo)注操作導(dǎo)入數(shù)據(jù)后，選擇界面上方的“LabelingSetup”，之后出現(xiàn)如圖所示界面，左邊列表為任務(wù)類型選擇列表，選擇第一項(xiàng)“ComputerVision”，然后在右側(cè)任務(wù)模板中“SemanticSegmentationwithMasks”模板類型。LabelingSetup1.3實(shí)踐標(biāo)注操作跳轉(zhuǎn)至如圖所示界面，在該界面的左邊添加圖片中被分割的物體分類，因?yàn)榇巳蝿?wù)只分割人像，故設(shè)置了一個英文標(biāo)簽，標(biāo)簽為person。LabelingSetup1.3實(shí)踐標(biāo)注操作添加完標(biāo)簽后，便可點(diǎn)擊界面右上角的“Save”按鈕，跳轉(zhuǎn)至如圖所示界面，該界面中展示了所有載入的圖像。LabelingSetup1.3實(shí)踐標(biāo)注操作點(diǎn)擊任務(wù)主界面的第三張圖像，便可進(jìn)入該圖像的標(biāo)注界面，如圖2-3-1-8所示，在此界面可以根據(jù)該圖像中包含的標(biāo)簽類型，選擇對應(yīng)的標(biāo)簽，比如此例要分割圖像中的人像，則選中person標(biāo)簽，之后根據(jù)任務(wù)大小在圖像右側(cè)的工具欄調(diào)整畫筆大小，并且可調(diào)節(jié)圖像大小，之后便可進(jìn)行人像圖像的描繪，將所有人像描繪完成便如下圖所示，如果畫錯，則可以選中工具欄中的橡皮將畫錯部分擦掉，之后點(diǎn)擊右上角的“Submit”完成提交。開始標(biāo)注1.3實(shí)踐標(biāo)注操作開始標(biāo)注1.3實(shí)踐標(biāo)注操作當(dāng)然，對于圖像的標(biāo)注過程也可以不在此處進(jìn)行，通過任務(wù)主界面，點(diǎn)擊界面中上方位置的LabelAllTasks按鈕，進(jìn)入標(biāo)注界面后便可開始進(jìn)行標(biāo)注，標(biāo)注完成后，點(diǎn)擊右上角的Submit按鈕即可跳轉(zhuǎn)到下一張圖像的標(biāo)注界面，如果當(dāng)前圖片不含人像，則可點(diǎn)擊界面右上角的Skip按鈕，跳過該圖像的標(biāo)注過程。更新該圖像的標(biāo)簽后，點(diǎn)擊右上角的“Updata”即可。開始標(biāo)注1.3實(shí)踐標(biāo)注操作所有圖像標(biāo)注完成之后，便會跳轉(zhuǎn)到如圖所示界面，代表所有圖像均已處理完成。開始標(biāo)注1.3實(shí)踐標(biāo)注操作點(diǎn)擊界面左上角的PersonSemanticSegmentation便可查看圖片的標(biāo)注情況，如圖所示，其中第一列數(shù)據(jù)代表圖像id，第二列代表標(biāo)注時間，第三列代表標(biāo)注與否，1為標(biāo)注完成，0為未標(biāo)注，第四列代表是否跳過標(biāo)注，1代表跳過，0代表未跳過。開始標(biāo)注1.3實(shí)踐標(biāo)注操作若要導(dǎo)出最終的標(biāo)注結(jié)果，則可點(diǎn)擊圖主界面右上角的“Export”按鈕，便會出現(xiàn)如圖所示界面，根據(jù)處理任務(wù)的不同會顯示不同文件生成結(jié)果，由于本節(jié)任務(wù)是圖像分類，所以，可以生成如圖所示的六類文件，若要導(dǎo)出哪種文件到本地，選中其后，點(diǎn)擊右下角“Export”即可。當(dāng)然，也可以將這六類文件全部導(dǎo)出。導(dǎo)出結(jié)果1.3實(shí)踐標(biāo)注操作將所需文件導(dǎo)出到本地后，可以進(jìn)行查看，通過上圖可知，對于語義分割任務(wù)，可以生成Brush