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。

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