图像数据标注的类型
每个数据科学任务都需要数据。具体地说，是输入系统的干净易懂的数据
图像标注在计算机视觉中起着至关重要的作用。图像标的目标是为和任务相关的、特定于任务的标签。这可能包括基于文本的标签(类)，绘制在图像上的标签(即边框)，甚至是像素级的标签。下来我们一起看看常用到的一些图像标注类型
01 拉框
用2D、3D、多边形框等标注出图像中的制定目标对象
02 语义分割
标记图像中存在的内容及位置，根据属性进行像素级分割，支持单属性、多级属性
03 实例分割
实例分割是图像分割的一种子类型，它在像素级别上标识图像中每个物体的每个实例。实例分割和语义分割是图像分割的两种粒度级别之一
04 目标检测
支持人物ID追踪、视频轨迹追踪，截取视频关键帧，对连续画面中出现的同一目标标注相同的id，从而记录目标轨迹的变化
05 图像分类
图像分类不同于目标检测。目标检测的目的是识别和定位目标，而图像分类的目的是目标属性，对图像划分到不同分类
这个用例的一个常见示例是对猫和狗的图片进行分类。标注者必须为一只狗的图像分配一个类标签"dog"，对猫的图像分配类标签"cat"
06 关键点
在许多计算机视觉应用中，神经网络常常需要识别输入图像中重要的感兴趣的点。我们把这些点称为地标或关键点。例如：可对人脸关键点、人体骨骼关键点、人脸五官等进行关键点标注
07 线段标注
支持贝塞尔曲线和普通线段标注，支持对车道线进行贝塞尔曲线标注，使用线段将图像目标的边缘、轮廓用线段标注
08 ocr转写
OCR转写是对图像中的文字内容进行标记与转写，帮助训练和完善图片与文本识别模型
09 点云标注
点云是三维数据的一种重要表达方式，通过激光雷达等传感器，能够采集到各类障碍物以及其位置坐标，而标注员则需要将这些密集的点云分类，并标注上不同属性，常应用于自动驾驶领域
10 属性判断
属性判别是指通过人工或机器配合的方式，识别出图像中的目标物体，并将其标注上对应属性
