10｜标签制作：模型到底理解的是什么
柳博文
你好，我是柳博文，欢迎和我一起学习前端工程师的 AI 实战课。
在上一节课中，我们讨论了如何寻找并制作初始图像数据，并且学会了使用数据增广的方式来扩充数据的量级，让数据更加多样化。除了丰富的数据，我们还需要给数据制作标签。可以说，标签质量跟后续 AI 组件识别的训练效果紧密相关，这节课，我们就会学习如何完成这一步。
为什么需要创建标签？
对于目标检测来说，大多数时候模型进行的学习都是监督学习。用通俗的方式来理解呢，监督学习就是我们需要在给到模型训练数据的同时，告诉模型这是一个什么样的数据。换成更专业的说法就是，需要为数据集打上标签，这个标签就是告诉模型需要学习理解的目标是什么。
在训练模型，特别是目标检测模型时，模型最终理解的是如何从图像中识别和定位特定类别的物体。为了实现这一目标，数据集的制作和标签的创建至关重要。
高质量的标签对于训练一个准确和鲁棒的模型非常关键要。标签质量直接影响着模型的性能和泛化能力。如果标签不准确或不一致，模型就可能会学习到错误的信息，从而影响它在实际应用中的表现。
其实专业数据集标签的制作，也是有一些流行的数据集和标准可以参考和遵循的，下面我们就来学习一下 PASCAL VOC 数据集及其标准。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
1. 标签质量对于训练准确和鲁棒的模型非常关键，直接影响模型的性能和泛化能力。 2. PASCAL VOC 数据集是计算机视觉领域中广泛使用的一个基准数据集，主要用于目标检测、图像分割和图像分类任务。 3. PASCAL VOC 数据集包含了人、动物、车辆等20个类别，包含数千张标注图像，标注类型包含了标注目标物体的矩形框、目标物体的像素级别区域和目标母体的类别标签。 4. 数据集标签制作包括收集基础图像数据、使用标注工具进行图像的标签标注、生成标注文件并保存为XML文件，以及整理数据集按照PASCAL VOC 格式。 5. 使用LabelImg这个开源的图像标注工具可以生成图像数据集的标注文件，常用于目标检测任务。 6. 数据集整理包括新建dataSet目录，并在其中新建JPEGImages目录用于存放所有图像数据，新建Annatations目录用于存放所有的标签XML文件，新建ImageSets目录用于存放分割后的数据集，以及编写脚本来实现训练集、测试集和验证集的分割。 7. 最终得到一份符合PASCAL VOC标准的数据集，可以直接放入YOLOv5的模型中训练。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《前端工程师的 AI 实战课》，新⼈⾸单¥59
《前端工程师的 AI 实战课》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论