编辑导语：图像标注是呆板视觉（Computer Vision, 下面将简称为“CV”）模子开拓流程中的重要一环，也是十分耗时的一环。跟着深度进修的鼓起，企业对付图像标注东西的需求也愈演愈烈。据知名行研机构估算，2025年全球标注东西的市场局限将到达16亿美元。本文选取了3款行业中较有代表性的产物：CVAT、ModelArts、 Supervisely，从产物视角来试图探究标注东西行业近况及将来趋势。

1. 什么是图像标注

图像标注是在原始图像打上标签的行为。在练习深度进修模子前，需要筹备足量的，已被标注的样本用于练习。而图像标注就是样本筹备中的一个步调，如图1：

图1：Supervisely中的图片标注

原始图像范例包罗：二维图片、三维图片、视频等。

标注形式包罗：标签、困绕框（二维和三维形式）、点、线、多边形、像素图（Bitmap）。

按照差异的标注形式，图像标注范例可分为：

分类 (Classification)：识别出图片中有什么物体，如上图中的1号箭头，暗示整张图片中有people，通过标签举办标注。

检测 (Detection)：比图片分类再进一步，不只知道图片里有什么，还检测出物体或许位置，即物体所属困绕框（Bounding Box）的位置，如上图中的2号用困绕框标注了一个行人。通过困绕框/线+标签举办标注。

支解 (Segmentation)：例如针检测再进一步，知道每个像素属于哪个标签，如上图中的3号描画出了行人像素级此外表面。详细还可细分成语义支解 (Semantic Segmentation)和实例支解 (Instance Segmentation)两类，语义支解用于识别差异种类的物体，而实例支解在语义支解的基本长进一步区分了同类物体中的差异实例。通过多边形/像素图+标签举办标注。

姿态预计 (Pose Estimation)：又称要害点检测，主要用于识别图像内的要害区域，譬喻心情识别，举动姿势检测等。通过点/线+标签举办标注。

视频行为识别(Video Action Recognition)：识别方针的意图，譬喻识别斗殴行为，这种场景很难仅凭单张图片判定（好比在单张图片下斗殴和拥抱是雷同的），凡是需要识别一段视频才气判定方针意图。仅凡是利用困绕框/点/线+标签的在插值模式下举办标注。

下图为各个标注范例的示例：

图2：种种标注范例的示例，来历：https://gluon-cv.mxnet.io/contents.html

凡是，企业会有各式百般的标注需求，作为一款通用的标注产物，产物成果（如支持各类输入名目，各类标注范例，各类标注形式，以及特别成果）会是我们存眷的一个重点。

另一方面，实际环境中标注是一件十分费时艰辛的事情，譬喻需要标出上图中的大部门行人，而这样的图片至少得有几百上千张。由此可见，因此用户体验是我们需要存眷的另一个重点。

综上，本文将主要从产物成果和用户体验这两个维度来阐明行业中的代表性产物。

2. 焦点业务流程

完成图片标注练习的整个事情流程，凡是需要经验”数据筹备”、”数据标注”、“数据进化”三个环节。详细业务流程如下图所示：

图3：图像标注通用业务流程

2.1 数据筹备

数据筹备包括：数据收罗、数据预处理惩罚两步。

1. 数据收罗：收罗途径许多如：当地上传，挪用其他数据集数据，摄像头数据导入，从云处事挪用获取数据等。

2. 数据预处理惩罚：数据清洗是获取高质量练习数据的前提，而且通过清洗不及格的数据也可以淘汰无意义的标注事情，提高标注效率。数据清洗凡是的操纵包罗：清洗恍惚数据，清洗相似数据，裁剪，旋转，镜像，图片亮度，图片比拟度，图片锐化等。

2.2 数据标注

数据标注包罗：成立标注集、数据标注、标注审核。

2.2.1 成立标注集

标注集是标注事情的根基任务打点单位，在此不做过多赘述。

2.2.2 数据标注

详细 *** 见表1：

表1：数据标注详细 ***

2.2.3 标注审核