关于⼈⼯智能数据标注学习 ⽬录 项⽬⼀：认识数据标注 ⼈⼯智能数据标注主要包括：图像标注，语⾳标注，⽂本标注！ 数据标注是借助标注软件，对⼈⼯智能学习数据进⾏加⼯和运⽤的⾏为！ 项⽬⼆： 项⽬⼆：图像标注的学习 1.基本命令提⽰符 基本命令提⽰符 cd A:\ 将A盘的当前⽬录改为根⽬录 cd A:\xx 将A盘的当前⽬录改为⼦⽬录xx下 cd ..\98 先返回⽗⽬录,再进⼊⽗⽬录下的98⼦⽬录 cd ..返回到⽗⽬录（注："."代表当前⽬录 ".."代表⽗⽬录） 以上为⽐较常⽤的命令提⽰符，其他提⽰符就不列出来了，可以⾃⾏上⽹查阅！ 2.Anaconda软件的安装 软件的安装 笔记本电脑直接软件商店搜索就 ，台式的话得到官⽹去下载！ 安装的时候记得这两个都勾选！以便配置全局变量！！！！！！ 3.labelme软件的安装 软件的安装 直接到 直接到Anaconda的命令提⽰框⾥⾯！ 的命令提⽰框⾥⾯！ 先安装虚拟环境！ 激活虚拟环境！ conda creat -n Labelme python=3.8 安装Labelme软件 以下基本为labelme的运⾏界⾯！ 该软件是英⽂版基本使⽤⽅法就⾃⾏琢磨吧！ 4.Labelme软件命令和常⽤的图像数据集 软件命令和常⽤的图像数据集 activate Labelme Pip install labelme==3.16 -i https://pypi.tuna.tsinghua.edu.cn/simple Labelme软件⽣成的JSON⽂件转化为dataset⽂件的操作 5.图像分类 图像分类 ⾸先啊！就是激活环境啦! 然后通过⽂本打开Labelme!!! 命令如下 单双标签都⼀样的打开⽅式！ 6.⽬标检测标注 ⽬标检测标注 ⽬标检测标识是指通⼈⼯标注出图像中感兴趣的⽬标，同⼀类的标签中可以有多个，通常使⽤矩形进⾏标注！！！基本有两种类型： 物体的标注和⼈脸的标注但其实操作都⼀样！！！仅仅知识标签和⽂件路劲的问题！！！ ⽅法同5差不多！ 1建⽴标签⽂本启动Labelme 2通过⽂本打开Labelme 操作代码如下 1 Labelme_json_to_dateset 路径+⽂件名 2 如：Labelme_json_to_dateset D:\1.json 1 //激活环境： activate Labelme 2 //通过⽂本启动Labelme： Labelme --flags D:\flags.txt --nodata 3 //不管怎样还是得根据⽂件路劲来 1 1.激活：activate Labelme 2 2.打开：Labelme --labels D:\labels.txt --nodata --autosave 3 注意：具体⽂件名和路劲应根据相应你建⽴的来填 采⽤矩形框来标注！！！ 7.语义分割标注 语义分割标注 语义分割就是对图像中的每个对象都打上标签，如把图像中的⼈，树⽊，草地，天空和动物等都打上对于的标签。语义分割标注需要将 物体的轮廓都标注出来，标注的精度远⾼于⽬标检测标注。 同样如上： 转化为VOC数据集可以时使⽤" Labelme2voc.py"命令 。格式如下 8.实例分割 实例分割 实例分割是⽬标检测和语义分割的结合，即在图像中先将⽬标检测出来（⽬标检测），然后对每个⽬标打上对应的标签（语义分割）。 在语义分割中，不区分属于相同类别的不同⽬标（所有⽬标都标为相同颜⾊），实例分割标注则需要区分同类的不同实例（使⽤不同颜⾊来 区分不同的⼈）。 9.全景分割标注 全景分割标注 全景分割标注是语义分割标注和实例分割标注的结合，既要检测所有⽬标，⼜要区分类别中的不同实例。实例分割只是对图像中的⽬ 标进⾏检测和按照橡素分割，区分不同实例（使⽤不同颜⾊），⽽全景标注分割是对图⽚中的所有物体包括背景都要进⾏检测和分割。 10.视频标注 视频标注 1 2 3 1激活： activate Labelme 4 2打开： Labelme --labels D:\labels1.txt --nodata 5 3同样需要注意⽂件名和路劲 6 4.JSON转为dataset 7 Labelme_json_to_dataset 路劲+JSON⽂件名 8 5如：Labelme_json_to_dataset D:\hello\2021_12_27_001.json 9 10 1 2 命令： python Labelme2voc.py 图像⽬录 ⽣成voc⽬录 --labels labels⽂件路径 3 如下： python d:\Labelme2voc.py D:\Hello\DIRS\semantic_segmentation D:\data_dataset_voc --labels D:\
关于人工智能数据标注学习，本文主要围绕图像标注这一关键领域展开，涵盖了从基础概念到实际操作的多个方面。数据标注是人工智能的重要组成部分，特别是在训练模型时，它涉及到图像、语音和文本等多种类型的数据处理。
图像标注是数据标注的重点，包括了图像分类、目标检测、语义分割、实例分割以及全景分割等多个子领域。图像分类是为单个或多个对象分配类别标签，目标检测则要求精确地标注出图像中的特定目标并识别其类别，通常用矩形框表示。语义分割需要为图像中的每一个像素指定类别，精度更高。实例分割则是目标检测和语义分割的结合，它不仅指出目标，还区分同一类别内的不同实例。全景分割进一步扩展了这个概念，不仅检测目标，还要区分类别内的实例，包括背景。
在实际操作中，Labelme是一个常用的图像标注工具，涉及到了Anaconda的安装与使用。Anaconda是一款Python数据分析环境管理工具，它的安装需注意勾选配置全局变量选项。在Anaconda环境中，可以通过命令行创建和激活虚拟环境，然后安装Labelme软件。Labelme提供了图形界面，方便用户进行图像标注，并能生成JSON格式的标注文件。这些JSON文件可以转换为dataset文件，或者通过`Labelme2voc.py`脚本转换为VOC数据集格式，以适应不同的模型训练需求。
此外，视频标注也是数据标注的一部分，处理方式与图像类似，但需要考虑时间维度，可能涉及到多帧连续标注。使用Labelme进行视频标注时，同样需要激活环境、打开软件，并根据文件路径进行操作。
在进行数据标注工作时，熟悉基本的命令提示符操作是必要的，例如在Windows系统中，`cd`命令用于改变目录，`.`代表当前目录，`..`代表父目录。同时，了解如何使用Anaconda管理和安装软件，如Labelme，以及如何利用Labelme进行各种类型的图像标注，对于提升数据标注效率至关重要。
人工智能数据标注是一项技术性强、细致入微的工作，涉及到多种技术和工具的综合运用。熟练掌握这些技能将有助于提高AI模型的训练效果，推动人工智能技术的发展。
