2020年6月29日 机器视觉与计算机视觉技术

最全分类!计算机视觉的图像标注类型及应用

计算机视觉的图像标注种类繁多,应用也不尽相同。

想知道各种标注技术的效果吗?一起来看看它们在计算机视觉方面的应用和独特的案例吧!

图像标注类型

在深入学习计算机视觉的图像标注用例前,首先要了解各类图像标注的方法。一起来剖析一下最常见的图像标注技术吧。

  1. 边界框(Bounding Boxes)

边界框用途广泛且简单明了,是计算机视觉中最常用的图像标注类型之一。边界框圈出目标,并协助计算机视觉网络找出感兴趣的目标。它很好创建,只需要指定盒的左上角和右下角的X和Y坐标。

边界框几乎可以应用于任何目标,而且能大幅提升目标检测系统的准确度。

  1. 多边形分割(Polygonal Segmentation)

多边形分割是另一种图像标注技术,也是边界框背后理论的扩展。它帮助计算机视觉系统寻找目标,而复杂的多边形比单纯的框更能精确地检测出目标的位置和边界。

和边界框相比,多边形分割可以切掉目标边缘的噪声/无用像素,避免迷惑分类器。

  1. 线标注(Line Annotation)

线标注创建直线和曲线,主要用于描绘图像的各个部分。当需要标注并划分界限的部分太小或者太薄,边界框等方法无法描绘时,便可使用线标注。

直线和曲线很容易用来标注,常用于训练仓库机器人识别传送带上各部件的差异,或训练自动驾驶车辆识别车道。

  1. 特征点标注(Landmark Annotation)

计算机视觉系统的第四种图像标注是特征点标注。因为它在图片上创建点,所以有时也被称为点标注。仅仅几个小点就能为图片中细小纷繁的目标归类。但特征点标注常常使用许多点来描绘目标的轮廓或框架。

特征点大小多样,大些的点有时会用来在区域中区分出重要/标志区域。

  1. 三维长方体(3D Cuboids)

三维长方体是一种非常强大的图像标注,和边界框很像,都能帮助分类器找到目标。然而,三维长方体有长宽高三维成像。

锚点一般位于目标边缘,各点之间用线填充。目标以三维效果呈现,让计算机视觉系统在三维空间中学会区分体积和位置等特征。

  1. 语义分割(Semantic Segmentation)

语义分割是一种将图像分割成不同区域的图像标注方法,它能将图像中的每个像素归类。

图片中语义/定义不同的区域彼此分割。比如,图片中一部分可能是“天空”,而另一部分可能是“草地”。语义分割的关键是,各区域由语义信息所定义,而图片分类器则为属于该区域的每个像素归类。

图像标注类型用例

  1. 边界框标注

边界框在计算机视觉图像标注中用于帮助网络定位目标,协助创建定位并分类目标的模型。常见用途包括检查目标彼此冲突时的情况。

边界框和目标检测显然应用于自动驾驶系统中,定位道路中的车辆。另外还能用在建筑工地上为目标归类,分析工地安全,让机器识别出不同环境中的目标。

边界框用例:

利用无人机拍摄镜头监控建筑对象,由地基铺设起一直监控到建筑完工准备入住。

识别杂货店的食品及其他物品,自动监测结账流程。

检测车辆外部受损情况,以便在保险索赔时进行详细分析。

  1. 多边形分割

多边形分割用众多复杂多边形标注目标,能够捕捉不规则形状的目标。在需要保证精确度时,多边形分割比包围盒更有效。因为多边形能勾勒物品轮廓,消除边界框中的噪声,提升模型的精确度。

多边形分割在自动驾驶中非常有用,能够突出标志和路标等不规则物体,还能比包围盒更精确地定位车辆。它还能用来精确标注众多不规则目标,如卫星和无人机所检测的对象。如需精确探测水生物,多边形分割也比边界框更好。

计算机视觉中的多边形分割经典用例:

标注城市景观中的不规则物体,如车辆、树木和水池。

多边形分割还能使目标检测更加简单。比如多边形标注工具Polygon-RNN和传统的不规则形状标注方法语义分割相比,在速度和精度上都有显著提高。

  1. 线标注

线标注本身关注图像中的线条,所以最好用在外观重要特征为线型的目标中。

线标注常在自动驾驶中用来描绘车道。同样,线标注还能指导工业机器人放置对象,将目标区域指定为两线之间。边界框理论上讲也能用于这些目的,但线标注更加清晰,更能避免使用边界框时产生的噪声。

计算机视觉中的线标注经典用例,如自动检测每行作物,甚至还能跟踪昆虫的腿部位置。

  1. 特征点标注

特征点/点标注用点表示目标,所以最主要的用法是检测并量化小型目标。比如,城市鸟瞰图需要用特征点检测来找到车辆、房屋、树木、水池等感兴趣的目标。

也就是说,特征点标注也有其他用法。将重点特征点结合起来便能创建目标轮廓,就像是连点拼图的游戏。这些点形成的轮廓能用来识别面部特征,或者分析人的动作或姿势。

计算机视觉的特征点标注常见用例:

面部识别,追踪多个特征点能轻松识别出面部表情和其他面部特征。

特征点标注还能用在生物学领域进行几何形态测量。

  1. 三维长方体

当计算机视觉系统不止需要识别目标,还需要预测目标的大体形状和体积时,便需要三维长方体标注。该方法常用来为计算机视觉系统开发能够运动的自动系统,从而预测目标在其周围环境中的状况。

三维长方体标注在计算机视觉中的用例有,开发自动驾驶车辆和移动机器人的计算机视觉系统。

  1. 语义分割

其实,语义分割大体上也是一种分类形式,只不过它是对区域中的每个像素进行分类,而不是对目标进行分类。想通了这点,语义分割就能轻松用于任何需要分类/识别的大型分散区域。

语义分割可用于自动驾驶中,车辆的人工智能须分辨出道路、草地和人行道的各个区域。

除了自动驾驶,计算机视觉的语义分割还能用于:

分析农田,检测杂草和特定的作物类型。

在诊断中识别医学图像,检测细胞,分析血流。

检测森林和雨林的毁坏和生态系统破坏,促进生态保护。

结语

只要选择正确的方法,计算机视觉便能实现所有的目标。在了解图像标注的众多种类和用例后,最好进行试验,付诸实践,从而掌握实际应用中的最佳方法。

Banner
Related Posts

hotonic Vision通过视频开发激光雷达传感器

2019年5月8日

2019年5月8日

英国初创公司Photonic Vision开发了一种激光雷达飞行时间传感的颠覆性方法。

英伟达Jetson Nano定位于大众市场机器学习

2019年3月20日

2019年3月20日

GPU巨头英伟达(Nvidia)发布了用于大众市场产品的微型人工智能电脑Jetson Nano。

增强的机器人“视觉”能够与人类进行更自然的互动

2019年5月9日

2019年5月9日

在伦斯勒理工学院(Rensselaer Polytechnic Institute)的智能系统实验室里,一个名叫Pepper motors的机器人睁大了眼睛,说话轻声细语。其中一名研究人员对“小辣椒”进行了测试,当“小辣椒”准确描述自己在做什么的时候,它会做出各种各样的手势。当他交叉双臂时,机器人从他的肢体语言中识别出有什么不对劲。

CMU的研究人员设计出利用计算机视觉来观察周围角落的新技术

2019年6月20日

2019年6月20日

未来的自动驾驶汽车和其他机器智能系统可能不需要视线来收集极其详细的图像数据:卡内基梅隆大学(Carnegie Mellon University)、多伦多大学(University of Toronto)和伦敦大学学院(University College London)的一项新研究设计出了一种“观察周围角落”的技术。

英特尔深度学习工具包OpenVINO

2019年3月5日

2019年3月5日

OpenVINO包括英特尔的深度学习部署工具包,其中包括一个模型优化器,可以从许多框架(Caffe,Tensoflow,MxNet,ONNX,Kaiai)导入和训练模型。

利用计算机视觉和机器学习技术实现莴苣种植的精准化作业

2019年6月11日

2019年6月11日

Earlham Institute的研究人员开发了一个机器学习平台,使用计算机视觉和航拍图像对莴苣作物进行分类。

计算机视觉究竟是个怎样的行业?

2019年6月20日

2019年6月20日

5月1日外媒消息,微软刚刚发布了 Windows Vision Skills 的预览版本,是一个 NuGet 包集合。

视觉系统在零售业4.0中的作用

2020年1月6日

2020年1月6日

技术在零售购物中扮演着越来越重要的角色,这一发展被称为零售4.0。我们来看看计算机视觉是如何推动这场革命的。

图像识别没你想的那么难!看完这篇你也能成专家

2019年6月2日

2019年6月2日

本地生活场景中包含大量极富挑战的计算机视觉任务,如菜单识别,招牌识别,菜品识别,商品识别,行人检测与室内视觉导航等。

自动机器视觉初创企业Nexar发布实时互动地图产品

2019年7月19日

2019年7月19日

导引 :该公司在声明中表示,通过将用户提供的更新数据与汽车摄像头和传感器的Nexar数据相连接,该公司的地图可以实时警告驾驶员道路的危险,施工区域和道路标志的丢失等

计算机视觉在钢铁夹杂物分析中的应用研究

2019年12月5日

2019年12月5日

卡内基梅隆大学材料科学与工程学(MSE)教授布莱恩·韦伯勒(Bryan Webler)表示:“夹杂物是一些微小的颗粒始终漂浮在钢中,”。固相夹杂物会聚在一起,堵塞喷嘴和其他控制钢水流动的流量控制系统。一些夹杂物化学成分会降低钢的延展性、抗疲劳性或整体韧性。 “它们会影响钢材的最终性能,这就是我们如此关心它们的原因。”

计算机视觉和图像处理之间有什么区别?

2018年8月9日

2018年8月9日

图像处理是计算机视觉的一个子集。计算机视觉系统利用图像处理算法对人体视觉进行仿真。例如,如果目标是增强图像以便以后使用,那么这可以称为图像处理。如果目标是识别物体、汽车自动驾驶,那么它可以被称为计算机视觉。

为改善猪的生活而开发的面部识别技术

2019年3月29日

2019年3月29日

专家们希望开发一种技术,可以监测猪的个体面部表情,确定它们的感觉,并将数据发送给农民,提醒他们注意健康和福利问题。

研究人员发现用于3D视觉的神经元

2019年7月5日

2019年7月5日

英国纽卡斯尔大学的科学家在昆虫大脑中发现了计算3D距离和方向的神经元。了解这些可能有助于提高和发展机器人视觉应用。

计算机视觉软件市场的最新趋势

2018年8月9日

2018年8月9日

计算机视觉软件正在改变各个行业,不仅使消费者的生活更容易,而且让人产生兴趣。作为一个领域,计算机视觉已经获得了大量的宣传和投资。北美计算机视觉软件市场总投资额为1.2亿美元,而中国市场则飙升至39亿美元。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注