机器视觉数学学习先后顺序(计算机视觉任务)
人工智能——计算机视觉方面的主要任务有四个:图像分类、目标检测、语义分割、实例分割。每一个任务的数据格式要求都是不一样的。
一、图像分类。图像分类标注是一项最基本最简单的标注任务。用户只需要将属于同一类的图片放在同一个文件夹里即可。它的目录结构如下:
MyDataset/ # 图像分类数据集根目录
|--dog/ # 当前文件夹所有图片属于dog类别
| |--d1.jpg
| |--d2.jpg
| |--...
| |--...
|
|--...
|
|--cat/ # 当前文件夹所有图片属于cat类别
| |--c1.jpg
| |--c2.jpg
| |--...
| |--...
目标检测数据标注可以使用labelimg或labelme标注工具。labelimg 是一个矩形标注工具,而labelme可以支持轮廓标注,可用于分割任务。
可以使用pip命令安装:
pip install labelimg
pip install labelme
命令行下输入命令,直接启动:
>labelimg
>labelme
根据程序的需要,目标检测任务的数据格式可以是PascalVOC或MSCOCO格式。
注:
1、labelme进行图像标注后,需要根据需要进行格式转换。
Annotations文件夹存放对应的json标注文件
JPEGImages文件夹存放要标注的图像文件
labelme标注 文件夹
2、labelimg进行图像标注后,可以直接保存为PascalVOC格式。
MyDataset/ # 目标检测数据集根目录
|--JPEGImages/ # 图像文件夹
| |--d1.jpg
| |--d2.jpg
| |--...
| |--...
|
|--Annotations/ # 存放标注文件(xml文件或json文件)
| |--d1.xml
| |--d2.xml
| |--...
| |--...
MyDataset/ # 语义分割数据集根目录
|--JPEGImages/ # 图像文件夹
| |--d1.jpg
| |--d2.jpg
| |--...
| |--...
|
|--Annotations/ # 存放标注文件(png格式)
| |--d1.png
| |--d2.png
| |--...
| |--...
MyDataset/ # 实例分割数据集根目录
|--JPEGImages/ # 图像文件夹
| |--d1.jpg
| |--d2.jpg
| |--...
| |--...
|
|--Annotations.json #生成标注文件
注:数据标注与划分实例:
1、4.1 目标检测:准备数据集(采集、标注和划分)
2、5.1 语义分割:数据集采集、转换和划分
3、6.1 实例分割:数据集采集、转换和划分
,免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com