我试图训练一个执行图像分割的CNN模型，但如果我有多个图像样本，如何创建ground truth令我感到困惑？
图像分割可以将输入图像中的每个像素分类到预定义的类别中，例如汽车、建筑、人或其他任何类别。
有没有工具或一些好的想法来为图像分割创建ground truth呢？
谢谢！
图像分割可以将输入图像中的每个像素分类到预定义的类别中，例如汽车、建筑、人或其他任何类别。
有没有工具或一些好的想法来为图像分割创建ground truth呢？
谢谢！
8个回答
3
对于语义分割，图像的每个像素都应该被标记。有以下三种方法来解决这个任务：
基于矢量 - 多边形、折线
基于像素 - 画笔、橡皮擦
人工智能工具
在Supervisely中，可以使用工具执行1、2、3。
关于 Supervisely 的注释功能的更多详细信息可以在这里 找到。
- user1274950
3
有一个工具让我想到了，那就是MIT的LabelMe工具箱：这个工具箱主要用于浏览数据集中现有的标记图像，但它也有一个选项可以注释新图像。
- Shai
4
如何将每个像素标记为对象类别？之后我们是否有一个数组，其中包含每个像素的类别。 - Shamane Siriwardhana
@ShamaneSiriwardhana 通常会得到一个与原始图像大小相同的索引图像。 - Shai
假设我有一张图片中的三个对象。那么我该如何进行注释？你能帮我吗？ - Shamane Siriwardhana
1现在阅读此内容的人请注意，LabelMe似乎相当古老，托管FAQ/讨论的留言板将于2021年12月11日关闭。https://www.quicktopic.com/37/H/E4xRZ7fZZhh - ComputerScientist
1
SageMaker Ground Truth具备数据集管理和UI，可实现语义分割。https://aws.amazon.com/sagemaker/groundtruth/
我们最近发布了UI的增强功能，通过自动查找区域边界，极大地加快了注释速度。在此处阅读更多信息：https://aws.amazon.com/blogs/machine-learning/auto-segmenting-objects-when-performing-semantic-segmentation-labeling-with-amazon-sagemaker-ground-truth/
- Trenton
1
完成图像分割的注释后，我可以将注释导出为coco格式吗？目前我只能看到为掩模创建的.png文件，而不是json文件。 - Rohit Gavval
1
我创建了一个名为COCO Annotator的开源工具：它提供了其他工具无法实现的功能：
- 直接导出COCO格式
- 对象分割
- 有用的API端点来分析数据
- 导入已在COCO格式下注释的数据集
- 将断开连接的对象注释为单个实例
- 同时使用任意数量的标签对图像段进行标记
- 允许为每个实例或对象添加自定义元数据
- 魔法棒/选择工具
- 使用Google图像生成数据集
- 用户认证系统
- jsbroks
0
ITK-SNAP是专为医学图像分割而设计的。它易于学习，但功能强大。你可以试试。
- Jingnan Jia
0
整个过程如下：
- 将数据加载到工具中
- 绘制形状。例如使用多边形工具或其他形状工具
- 导出点并直接用于训练，或将其转换为密集像素掩码。
注释过程详细信息
一般来说，矢量基础工具更加准确。例如，左侧是4个多边形点，右侧是一个画笔。
令人反感的是，追踪点甚至可以更快。例如，在这里，我只需将鼠标移动到轮廓上，就会记录下来：
但实际上它被存储为点：
使用其他形状
例如，您可以使用椭圆或圆形来创建分割掩模。实际上没有手动创建多边形的要求。
自动边框
想要实现像素覆盖率达到100%的主要概念之一是自动边框。基本上，它只是意味着对象的边缘相交得很好。例如，在Diffgram中，您可以选择两个点，它将创建一个匹配的边框。
这里有一个例子：
最后还有许多其他概念，如预标记、复制到下一个、跟踪等。
工具
Diffgram的分割标注软件是图像和视频注释的绝佳工具选择。它采用开放式内核，您可以在您的Kubernetes集群上运行它。
- oooiiiii
-1
您可以在整个数据集上使用平均化和归一化技术，以创建您的基准，并标记不同的结构。为此，您可以考虑创建所谓的“模板”。请确保最初所有数据都是共同注册的。
- fati
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接