随着人工智能行业的发展，深度学习中的神经网络结构越来越复杂。众所周知深度学习是数据驱动的，日益复杂的神经网络模型需要更多的训练数据作为底层的支撑。理论上，在算力满足要求的前提下，模型效果会随着数据数量的增多而变好。实践证明，在基于深度学习的应用开发过程中，数据规模和标注数据的质量是算法研发的关键因素。本文重点介绍目标检测中的数据标注流程以及如何制定标注规则。
一、标注通用规则
数据标注是通过人工把需要识别和分辨的数据贴上标签。深度神经网络学习这些标注数据的特征，最终实现自主识别的功能。下面介绍几个目标检测中的标注通用规则：
1、贴边规则：标注框需紧贴目标物体的边缘进行画框标注，不可框小或框大。
2、重叠规则：当两个目标物体有重叠的时候，只要不是遮挡超过一半的就可以框的（遮挡范围需要根据算法识别情况制定），允许两个框有重叠的部分。如果其中一个物体挡住另一个物体一部分，框的时候就需要对另一个物体的形状进行脑补完整然后框起来即可。
3、独立规则：每一个目标物体均需要单独拉框，比如下图中三瓶水不能只拉一个框，而是要将三个目标分别拉框。
4、不框规则：图像模糊不清的不框，太暗和曝光过度的不框，不符合项目特殊规则的不框。
5、边界检查：确保框坐标不在图像边界上，防止载入数据或者数据扩展过程出现越界报错。
6、小目标规则：不同的算法对小目标的检测效果不同，对于小目标只要人眼能分清，都应该标出来。根据算法的需求，去决定是否启用这些样本参与训练。
二、项目数据标注流程
目标检测数据标注流程分为以下几步：
确定标注规则；
标注人员试标注；
对标注数据检查；
训练模型；
利用模型进行预标注；
根据预标注结果补充标注。
下面我们通过项目详细介绍数据标注的完整流程。该项目是利用目标检测算法将图像中的光盘和非光盘分别识别出来，助力光盘活动。
1、确定标注规范
在制定标注规范时，我们要对待识别图像进行观察，提取图像中某些共有的特征作为检测类别，对于不明确的类别，需要结合实际场景进行细分。这样，当需要合并某些类别时候，可以直接通过程序把细分类别合成一个类别进行训练。在项目中主要的需要识别场景如下图：
我们根据识别场景来确定光盘的标准，通过分析得出以下几种情况可认为是光盘。第一种，干净的碗盘；第二种，碗盘中留有食物的汤水（比如说面汤，菜汁），残渣，尖椒段、生姜等你觉得不需要吃掉的内容；第三种，碗盘中留有食物，剩下东西是一小口能吃完。特别需要注意，此次标注只关注盛放食物的碗盘不关注托盘。
标注时候需要将图片所有碗盘利用标注工具画上矩形框，注意矩形框必须贴合所标注的碗盘，标签根据图像内容是否符合光盘标准选择光盘非光盘。特别的对于遮挡情况标注时需要脑补完整后画上矩形框，如下图示例中淡绿色矩形框代表光盘，灰色矩形框代表非光盘。
2、试标注，并进行标注检查
有了清晰的标注规则和标注用例，需要向标注人员详细的讲解标注规则，过程中需要详尽列举出标注正确和错误用例。有了对标注规则的清晰理解，标注人员就可以进行试标注了。在大概标注到 100 张图片时候需要进行标注检查。
对标注检查需要从以下几个方面进行：
标注正确率：检查被标注的目标的标签类别是否正确，由于我们标注工具对于不同标签分配不同的颜色，可以很迅速的检查标注类别的正确率。
标注精确度：检查标注框是否完整贴合目标，是否存在标注框过大或者过小情况。
标注完备性：检查重叠或者部分被遮挡的目标是否存在漏标，或者重复标注情况。
3、训练模型，预标注，标注效果反馈
一般来说，各个标签的目标框大致有 2000 个时候基本上就可以训练出有一定效果的模型了。在图像中因为一张照片中包含多个目标，在标注到 1000 张左右时候我们就开始训练模型，随后通过训练好的模型对 500 张未标注的图片进行识别（具体数目可以根据任务总量来定），将识别结果转化为标注生成的 voc 数据集通用的 xml 文件。具体代码如下：
from lxml.etree import Element, SubElement, tostring#转化识别框为标注框def getObject(node_root,xmin, xmax, ymin, ymax, lable): node_object = SubElement(node_root, 'object') node_fixed = SubElement(node_object, 'name') node_fixed.text = lable node_pose = SubElement(node_object, 'pose') node_pose.text = 'Unspecified' node_truncated = SubElement(node_object, 'truncated') node_truncated.text = '0' node_difficult = SubElement(node_object, 'difficult') node_difficult.text = '0' node_bndbox = SubElement(node_object, 'bndbox') node_xmin = SubElement(node_bndbox, 'xmin') node_xmin.text = str(xmin) node_ymin = SubElement(node_bndbox, 'ymin') node_ymin.text = str(ymin) node_xmax = SubElement(node_bndbox, 'xmax') node_xmax.text = str(xmax) node_ymax = SubElement(node_bndbox, 'ymax') node_ymax.text = str(ymax)def iniXml(filename,filePath,width , height): x,y,z,w, = filePath.rsplit("/",3) node_root = Element('annotation') node_folder = SubElement(node_root, 'folder') node_folder.text = z node_filename = SubElement(node_root, 'filename') node_filename.text = filename node_source = SubElement(node_root, 'source') node_database = SubElement(node_source, 'database') node_database.text ='Unknown' node_database.text ='The VOC2007 DatabaseUnknown' node_database = SubElement(node_source, 'annotation') node_database.text =' PASCAL VOC2007' node_database = SubElement(node_source, 'image') node_database.text ='flickr' node_size = SubElement(node_root, 'size') node_width = SubElement(node_size, 'width') node_width.text = str(width) node_height = SubElement(node_size, 'height') node_height.text = str(height) node_depth = SubElement(node_size, 'depth') node_depth.text = '3' node_segmented = SubElement(node_size, 'segmented') node_segmented.text = '1' return node_rootnum = input(r'num:')image_root = 'xxx/images/rmb_'+numfileList = os.listdir(image_root)for file in fileList: filePath = image_root + os.sep +file data = { "img":filePath, "algorithmLabel":"xx", "imgDataType":2 } headers = {"Content-Type": "application/json"} res = requests.post("http://ip:port/", data=json.dumps(data), headers=headers) lableList = res.json().get("data") img = Image.open(filePath) width , height = img.size[0],img.size[1] if len(lableList)!=0: node_root = iniXml(file,filePath,width , height) for lableinfo in lableList: xmin, xmax, ymin, ymax, lable = getInfo(lableinfo) getObject(node_root, xmin, xmax, ymin, ymax, lable) xmlroot = '/home/ap/vrc/label-img-tools/_xml/rmb_'+numif not os.path.exists(xmlroot): os.makedirs(xmlroot)xmlPath = xmlroot+os.sep+file.split(".",1)[0]+".xml"## Write document to filewith open(xmlPath,'wb') as f: f.write(etree.tostring(node_root, pretty_print = True, xml_declaration = True, encoding='UTF-8', standalone="yes"))else: continue预标注后，我们可以将图片和标注生成 xml 文件放到标注工具上，便可直接在标注界面查看模型识别的效果。对预标注内容进行标注检查，可以发现试标注的不足之处。
4、预标注检查，补充标注
在通过模型预标注之后，我们需要检查预标注结果以此来挖掘试标注的不足之处，随后根据不足之处进行补充标注。在此项目中检查发现预标注中非光盘存在很多漏标注情况，于是安排标注人员在预标注基础上进行补充标注。
5、循环迭代
补充标注完成后按照上述的三个检查方面对 500 多张图像的标注数据检查。随后利用该数据进行增量训练得到新模型；通过新模型对其他未标注部分图片进行预标注，标注人员对预标注数据进行修改完善。然后循环迭代模型增量训练——预标注——补充标注过程，直到得到好的模型效果。
三、总结
当遇到目标检测需求，标注的流程是这样的：确定一个标注规则——试标注——对标注数据进行检查——训练——预标注效果反馈——补充标注——…
整个流程中标注规则制定尤为重要，需要总结业务提供的图像数据，确定标注类别和标签。对于不明确的类别需要实际场景进行细分，当需要合并某些类别时候，可以直接通过程序把类别合成一个类别进行训练。同时，标注的规则要尽可能地详尽；需要给出文档和样例。此外，在试标注和正式标注过程中遇到不确定情况时，需要及时进行沟通，否则可能会影响到整体标注质量。
本文转载自：金科优源汇（ID：jkyyh2020）
原文链接：目标检测中的数据标注
