- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习AI算法工程
yolov5鱼苗检测计数：从数据标注到训练
向AI转型的程序员都关注了这个号 机器学习AI算法工程 公众号：datayx 目标检测yolov5 v6.0版，pytorch实现，包含了目标检测数据标注，数据集增强，训练自定义数据集全流程。 半自动标注 如果数据集较多，可以先手动标注少量，然后训练出初版模型，然后用初版模型预测进行预标注，最后人工检查。 /data/custom_data.yaml' #数据集配置文件路径 3.运行auto_label.py 三.数据集增强 步骤： 1.将标注数据集的标签（xml文件）放入. 四.数据集格式转换 将 VOC 的数据集转换成 YOLOv5 训练需要用到的格式。 步骤： 1.将标注数据集的标签（xml文件）放入. /datasets/Annotations 2.将标注数据集的图片放入.
3.3K20编辑于 2022-03-04 - 来自专栏dongdong的数据标注
视频数据标注工具与平台（数据标注公司）
视频数据标注平台（标注外包公司） 数据标注公司的工作比较多样，但视频标注对工具要求稍高一些，能在线上做的平台不是特别多，主要还是语音、图片标注。 下面介绍几个平台，也综合了其他博主的一些意见，如下： 京东众智 标注质量比较高，项目交付准时，数据隔离方案可以不出自己的服务器完成标注，比较重视客户的数据安全。也提供私有化部署服务。 百度众测 标注能力比较广泛，百度进入标注行业比较久，积累了较多的众包用户。不过我不看好众包模式，因为质量比较难把控。 figure-eight 国外知名的数据标注平台，国外好多大公司都与它有合作。 需要制作新的数据集，对视频帧进行标注，所以根据网上一个博主的标注工具进行了一定的修改，实现的功能是在每一帧中将需要标注的区域用鼠标选取4个点，顺序是顺时针。 需要制作新的数据集，对视频帧进行标注，所以根据网上一个博主的标注工具进行了一定的修改，实现的功能是在每一帧中将需要标注的区域用鼠标选取4个点，顺序是顺时针。
3.4K41编辑于 2022-06-23 利用无标注数据提升序列标注技术
利用无标注数据改进序列标注虚拟对抗训练（VAT）是一种通过向无标注数据添加噪声来生成难以分类的训练样本，从而改进机器学习系统的方法。 在实验中，使用半监督学习（即少量标注训练数据辅以大量无标注数据）在三个不同序列标注任务上，将该系统与四个性能最佳的前置方法进行了比较。在八个不同数据集上，该方法全面优于所有四个基线。 首先，在标注数据上训练模型；然后，向大量无标注数据添加噪声，并进一步训练模型，使其对带噪声无标注数据的分类与对干净数据的分类尽可能一致。这种方法依赖于聚合统计数据的比较——干净数据和噪声数据的分类。 然后训练网络以最小化噪声无标注示例和干净无标注示例情况下该概率分布的差异。在实验中，与先前实践有所不同的是，使用一个数据集进行训练的监督部分，并使用另一个相关数据集进行半监督部分。 通常，半监督训练是必要的，因为目标应用的标注数据稀缺或缺失，尽管相关应用的标注数据可用。将seqVAT的性能与三种流行的半监督训练方法（自训练、熵最小化和交叉视图训练）以及传统VAT的性能进行了比较。
28610编辑于 2025-08-23模仿精灵助手，使用pyqt5完成数据标注功能
import sysimport osfrom PyQt5.QtWidgets import (QApplication, QMainWindow, QWidget, QVBoxLayout, QPushButton, QLabel, QFileDialog, QListWidget, QInputDialog, QMessageBox)from PyQt5. QtGui import QPixmap, QPainter, QPen, QColor, QBrush, QFontfrom PyQt5.QtCore import Qt, QPoint, QRectfrom and (ymax - ymin) > 5: current_item = self.class_list.currentItem() label if not self.image_path or not self.annotations: QMessageBox.warning(self, "警告", "没有可保存的标注数据
19810编辑于 2026-01-14- 来自专栏python与大数据分析
图像标注版本5终版-多标注框+标注标签+高亮和删除标签+打开图片文件+保存标注格式
from PyQt5 import QtCore, QtGui, QtWidgets from PyQt5.QtWidgets import QWidget, QApplication, QLabel, QMessageBox,QPushButton from PyQt5.QtCore import QRect, Qt from PyQt5.QtGui import QPixmap, QPainter # 如存在在多个被标注框内，则显示最新标注的那个 # 再询问是否要删除标注框 # 如果确定要删除，则删除当前坐标所在的标注框 def mouseDoubleClickEvent ,QFileDialog,QScrollArea,QVBoxLayout from PyQt5.QtGui import QPixmap, QPainter, QPen from PyQt5.QtCore # 5、height 标注软件中打开的准备被标注的图片的高度 print('savetoText {}'.format(fileName)) def savetoXML
1.1K20编辑于 2023-09-03 - 来自专栏数据科学（冷冻工厂）
labelme：图像数据标注
导读 深度学习第一步就是制作数据集，手动去标注一些数据。本文将介绍一个用于图像数据标注的软件：labelme，并介绍它的安装方法，使用方法等。 视频标注 生成 VOC 格式的数据集 生成 COCO 格式的数据集 2. 创建画刷形状用于进行分割标注，在想要进行标注的区域，点击鼠标即可进行绘制，绘制完毕后按下回车键即可键入标注文字，添加标注。 Import：导入标注文件，通过点击即可运行。标注文件的样例文件请参考此处。 Save : 保存文件，通过点击或者快捷键即可运行。会将对标注的更改进行保存，写入默认标注文件中。 中心窗口功能部分： 为方便用户交互，图片上的标注形状默认显示为不填充，即只显示边框，当鼠标进入标注形状内部时，标注形状为悬浮（hovered）状态，内部会填充颜色，当鼠标点击标注形状时，标注形状为选中（
7K30编辑于 2023-02-27 - 来自专栏全栈程序员必看
标注工具labelme_数据标注从哪里接单
Labelme 安装方法 5. 视频标注 生成 VOC 格式的数据集（for semantic / instance segmentation） 生成 COCO 格式的数据集（for instance segmentation） 3. # PyQt5 sudo pip install labelme # Python3 sudo apt-get install python3-pyqt5 # PyQt5 sudo pip3 install Labelme 使用教程 Labelme 能够进行多种形式的图像数据标注。Labelme 以 JSON 文件存储标注信息。下面介绍一些 labelme 软件的基本操作。 apc2016_obj3.jpg -O apc2016_obj3.json # 保存后关闭labelme labelme apc2016_obj3.jpg --nodata # JSON文件不包含图像数据
3.4K20编辑于 2022-10-01 - 来自专栏数据科学（冷冻工厂）
labelme：图像数据标注
导读深度学习第一步就是制作数据集，手动去标注一些数据。本文将介绍一个用于图像数据标注的软件：labelme，并介绍它的安装方法，使用方法等。 视频标注生成 VOC 格式的数据集生成 COCO 格式的数据集2. Import：导入标注文件，通过点击即可运行。标注文件的样例文件请参考此处。Save : 保存文件，通过点击或者快捷键即可运行。会将对标注的更改进行保存，写入默认标注文件中。 创建画刷形状用于进行分割标注，在想要进行标注的区域，点击鼠标即可进行绘制，绘制完毕后按下回车键即可键入标注文字，添加标注。 中心窗口功能部分：为方便用户交互，图片上的标注形状默认显示为不填充，即只显示边框，当鼠标进入标注形状内部时，标注形状为悬浮（hovered）状态，内部会填充颜色，当鼠标点击标注形状时，标注形状为选中（selected
3.1K20编辑于 2023-01-19 - 来自专栏独立观察员博客
09：数据标注与数据校验
数据标注（Data Annotation）是类或类成员添加上下文信息的一种方式，在 C# 通常用特性（Attribute）类来描述。 set; } [DataType(DataType.Date)] // 生日将作为日期展示 (不带时间) public DateTime Birthday { get; set; } } 数据标注的展现的用途主要在早期的 数据标注用来验证数据的合法性是最常见的用法，在 ASP.NET Core/Mvc 中，数据作为表单 Model 提交时，框架会对 Model 数据自动进行校验，也可以手动调用 ModelState.IsValid () 来判断数据是否合法。 手动执行数据校验 大多数时候，数据校验都是由框架（如 ASP.NET Core）帮我们做了，但有时候我们想手动执行校验数据怎么做呢？简单说，使用 Validator 类即可，但也不是想像的那么直接。
1.3K40编辑于 2022-12-06 基于yolov5增强数据集算法mosaic来扩充自己的数据集自动生成增强图片和对应标注无需重新标注
【算法介绍】 YOLOv5最引人注目的增强技术之一是马赛克增强，它将四张不同的图像拼接成一张图像。 思路：首先，从数据集中随机选择四张图像，然后将它们缩放、随机裁剪，并按马赛克模式拼接在一起。 ,，此部分可能会由于中心点小于4张图片的宽高 所以拼接的时候可能会进行裁剪重新将打标边框的偏移量计算上 mosaic增强被认为是在传统增强算法最能提升模型性能的增强手段之一，因此研究了一下如何在已有数据集和标注情况下通过这个增强扩充自己的数据集 ，数据集扩展后，自动生成图片和对应标注，这样无需重新标注大大加快数据集集成能力。 image_dir = r'E:\VOC2012\JPEGImages' # 图片目录必须是.jpg格式 xml_dir = r'E:\VOC2012\Annotations' # 标注目录 里面有对应xml文件,voc格式 save_dir = r'C:\Users\Administrator\Desktop\dataset' # 保存目录 generate_count = 5
83610编辑于 2025-07-22- 来自专栏dongdong的数据标注
数据标注科普：十种常见的图像标注方法
计算机视觉的飞速发展离不开大量图像标注数据的支撑，随着各类图像检测、识别算法的商业化落地，市场对图像标注精准度愈发严格，同时针对不同的应用场景，也衍生出了不同的图像标注方法。 2、矩形框标注矩形框标注又叫拉框标注，是目前应用最广泛的一种图像标注方法，能够以一种相对简单、便捷的方式在图像或视频数据中，迅速框定指定目标对象。 5、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。 6、3D立方体标注与点云标注不同，3D立方体标注还是基于二维平面图像的标注，标注员通过对立体物体的边缘框定，进而获得灭点，测量出物体之间的相对距离。 7、2D/3D融合标注2D/3D融合标注是指同时对2D和3D传感器所采集到的图像数据进行标注，并建立关联。该方法能够标注出物体在平面和立体中的位置和大小，帮助自动驾驶模型增强视觉和雷达感知。
6.6K50编辑于 2022-06-24 - 来自专栏ATYUN订阅号
谷歌开发流体标注，标注图像数据集速度提高3倍
例如，在流行的Coco + Stuff数据集中标记单张图片需要19分钟；标记包含164000张图像的整个数据集将花费53000小时。 幸运的是，谷歌开发了一种解决方案，有望大幅减少标注时间。 它被称为流体标注（Fluid Annotation），它使用机器学习来标注类标签并勾勒出图片中的每个对象和背景区域。谷歌声称它可以将标注数据集的创建速度提高三倍。 ? 谷歌并不是唯一一个将AI应用于数据标注的。 旧金山创业公司Scale采用人工数据标注和机器学习算法相结合的方式，为Lyft、通用汽车、Zoox、Voyage、nuTonomy等客户整理原始的、没有标记的信息流。 总部位于瑞典的mapeera建立了一个街头图像数据库，利用计算机视觉技术分析了这些图像中的数据。 流体标注演示：fluidann.appspot.com/
1.3K20发布于 2018-11-22 - 来自专栏科技云报道
AI自动化标注崛起，数据标注员要失业了？
在数据标注行业流行着一句话：“有多少智能，就有多少人工”。 由于需要标注的数据规模庞大且成本较高，一些互联网巨头及一些AI公司很少自己设有标注团队，大多交给第三方数据服务公司或者数据标注团队来做。 但讽刺的是，数据标注员正在被自己服务的AI所替代，已经有企业开始采用AI进行数据标注。 就像人类标注员会给不同的回答打分一样（比如满分5分），AI也会依据偏好给每个摘要打分，这也是AI和人类标注员发挥作用的关键环节，主要是用于训练奖励模型（RM）并生成反馈内容。 比如有从业者评论道，等到GPT-5可能就不需要人类数据标注员了。 尽管这项工作凸显了RLAIF的潜力，但依然有一些局限性： 首先，这项研究仅探讨了摘要总结任务，关于其他任务的泛化性还需要进一步研究。 而百度在海口的数据标注基地拥有数百名专职大模型数据标注师，标注师的本科率达到100%，需要具备一定的知识储备和逻辑分析能力。 不过大家也认同，未来的数据标注将从重人力转向重技术的趋势。
1.1K10编辑于 2024-01-29 - 来自专栏全栈程序员必看
深度学习图像数据自动标注
Tensorflow和Caffe等深度学习中，监督学习的数据标注是一件非常繁琐和耗时的工作，目前大多数公司都采用外包给标注公司进行处理，或者购买现有的数据集，使得进行深度学习研究的成本异常高。 本文介绍一种以人工智能解决数据标注的思路和方法。 一、思路 步骤： 1、以一个初步模型对小批量待标注数据进行检测，这里的初步模型可以是自己用少批量数据集训练出来的，也可以用网上公布的； 2、对检测出来的结果进行人为干预纠正； 3、把纠正后的数据训练新的模型 ； 4、用新模型对中等批量待测数据进行检测； 5、通过1~5步骤的循环迭代，可以逐步求精； 6、虽然也需要人工参与，但可以极大减少工作量。 提供了智能标注的功能，跟以上思路差不多，都是先对小批量数据进行标注学习训练，然后以学习结果去标注剩下的数据集，然后人工纠正，迭代求精。
2.2K20编辑于 2022-07-02 - 来自专栏web三维
GIS矢量数据geojson自定义字段标注，颜色自动标注。
原本geobuilding是一个垂直的GIS数据生产工具，不是制图工具和数据分析工具。有的用户没有gis可视化展示工具，就把geobuilding当作了汇报工具。比如城市设计预览城市建筑物分类。
58610编辑于 2023-12-04 - 来自专栏全栈文档库
使用Labelimg进行数据标注
数据标注是计算机视觉和机器学习项目中至关重要的一步，而使用工具进行标注是提高效率的关键。本文介绍了LabelImg，一款常用的开源图像标注工具。 用户可以在图像中方便而准确地标注目标区域，为训练机器学习模型提供高质量的标注数据。LabelImg已经成为研究者和开发者在计算机视觉项目中不可或缺的工具之一。 一、安装labelimg 1、切换到需要安装的虚拟环境 conda activate yolov5 #切换到yolov5虚拟环境 2、安装Labelimg pip install labelimg 二 、打开labelimg labelimg #在命令行中输入labelimg即可打开 三、进行图片标注 1、打开需要进行标注的图片所在的文件夹 2、切换为yolo模式 3、拖拽画框进行标注 4、保存数据集 标注产生的数据集文件存储在图片文件夹目录下。 数据集文件存储框体和标签的信息，我们在训练模型时会自动加载。
1.5K1313编辑于 2024-02-03 - 来自专栏全栈程序员必看
labelme标注的数据分析
pyqt4-dev-tools sudo pip install labelme # python2 works # Ubuntu 16.04 sudo apt-get install python-qt5 pyqt5-dev-tools sudo pip3 install labelme ---- 启动命令 终端或cmd输入labelme 开始标记，标记完成后保存得到一个json文件。 { "imageData": "something too long", # 原图像数据 通过该字段可以解析出原图像数据 "shapes": [ # 每个对象的形状 { # 第一个对象 "points" data = json.load(open(json_file)) # 加载json文件 img = utils.img_b64_to_array(data['imageData']) # 解析原图片数据 ，然后便可以调用labelme的数据接口解析自己的数据 # -*- coding:utf-8 -*- ''' 仿照labelme的json文件写入自己的数据 ''' import cv2 import
2.2K30编辑于 2022-10-01 - 来自专栏dongdong的数据标注
语音数据标注工具与平台
图片 完成标注，保存 图片 总的来说，Praat功能强大，但是用作语音标注，操作并不简便，难以对大批量的语音数据做好管理。 最近我们找到几家数据标注平台，各家自研的标注工具更加简单好用。 语音数据标注平台 京东众智 京东众智的工具是单独开发的（这个也挺好开发和复用的）操作方面简单很多，标注人员全部是在线上作答，也避免了数据外泄问题。 值得一提的是，因为我们的初始数据是用算法跑过一遍的，虽然准确率不是很高…京东众智可以把我们的标注结果展示出来，标注人员简单修改一下，效率就提高很多。经过协商，因为不用重新标注，报价也减少了一些。 语音数据标注平台 图片
3.5K41编辑于 2022-06-23 - 来自专栏全栈程序员必看
点云数据标注_点云数据采集
一：什么是点云数据 点云数据是指在一个三维坐标系统中的一组向量的集合。这些向量通常以X,Y,Z三维坐标的形式表示，而且一般主要用来代表一个物体的外表面形状。 这些设备用自动化的方式测量在物体表面的大量的点的信息，然后用某种数据文件输出点云数据。这些点云数据就是扫描设备所采集到的。 三：点云数据的用途 作为3D扫描的结果，点云数据有多方面的用途，包括为制造部件，质量检查，多元化视觉，卡通制作，三维制图和大众传播工具应用等创建3D CAD模型。 四：点云数据的格式 点云数据是3D激光雷达扫描仪的基本输出。这通用的点云数据文件形式是3D坐标文件(经常指一个xyz文件)。这些文件是ASCII，因此可以被所有的后处理软件读取。 除此之外，一些其他的公式也有开发点云数据处理软件。通过输出的是XYZ文件格式的点云数据，来自任何扫描设备的点云数据可以被任何点云数据处理软件所分析。
2.9K30编辑于 2022-09-20 yolov5自动标注工具自动打标签工具
软件截图如下： 这个工具可以自动将图片识别为指定类别并保存为VOC格式xml文件， 软件只支持官方80类别，您可以选择其中一部分或者一部分进行自动标注，标注的效果依据图片而定，通过自动标注您可以减少很多标注工作量 ，同时相比较于手动标注可以节约至少80%时间，自动标注完成后，我们只需要用labelImg打开重新审核，查缺补漏即可完成标注。 十分方便，具体使用步骤如下： 第一步：打开软件后选择图片所在路径以及选择一个保存目录； 第二步：选择需要标注类别，比如只想标注dog和cat勾选即可 点击左上角开始标注即可开始标注。 注意有2个可选项 移动文件：勾选后，识别到有目标就会移动文件，这样好处就是可以手动标注未识别出来的目标，比如1000张图片自动标注了900张，剩下100张可以去原来文件夹用labelImg手动标注即可 具体使用教程： yolov5自动标注工具自动打标签目标检测自动标注使用教程_哔哩哔哩_bilibili
69000编辑于 2025-07-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号