此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 概述
  • 手动标注样本
  • 使用智能标注
  • 使用训练好的模型进行预标注

标注数据集

最后更新

概述

Hub AI 包含一个用于手动标注的样本编辑器、由分割模型提供支持的智能标注,以及用于处理更大批量的模型预标注。在每个工作流程中,审查标签并将已批准的样本移至“已完成”,以便它们有助于数据集健康状况和运行验证。

手动标注样本

下面的对象检测示例在每个托盘周围绘制一个框。其他任务类型在同一编辑器中公开其相应的工具。

打开样本

打开数据集并从网格中选择一个样本。使用过滤器按标注存在、状态、拆分、数据集版本、标签或类来缩小样本范围。

创建或更正标注

选择所需的类并使用任务工具标注图像。为对象检测绘制框,为分割绘制多边形,为关键点放置骨架点,为分类选择图像级类,或为 OCR 输入区域和文本。使用区域和标签面板检查、选择或删除单个标注。

保存和组织样本

单击“更新”,选择“样本拆分”,并设置“样本状态”。将已审查的工作移至“已完成”,然后使用上一个和下一个控件继续浏览过滤后的集合。当您需要对样本进行分组以进行过滤、预标注或后续版本化训练运行时,可以从数据集网格中添加标签。

使用智能标注

智能标注使用可提示模型来加速区域创建。它们适用于对象检测数据集(包括带有嵌套分割任务的对象检测)和语义分割数据集。

启动推理引擎

打开样本并单击“智能标注”。如果没有引擎处于活动状态,请启动它并等待推理可用。预热通常需要 5-10 分钟。

选择提示模式

引擎准备就绪后,选择“标注”以在整个图像中提出区域,“带选择标注”以将提案限制为您绘制的框,或“带文本标注”以使用类和描述进行提示。下面的示例显示了本机文本提示面板。

审查并保存建议的区域

检查返回的区域,更正或删除不合适的提案,分配正确的类,然后单击“更新”。Hub 显示置信度高于 0.5 的智能标注提案,但仍需要人工审查。

使用训练好的模型进行预标注

预标注在选定的数据集样本组上运行由 Hub AI 生成的 PyTorch 检查点。在第一个模型训练完成并有新的未标注数据到达后,这会很有用。

打开预标注表单

打开数据集操作菜单并选择“预标注”。

选择目标样本

选择要处理的“标注状态”。可选地按标签过滤;使用“AND”要求所有选定的标签,或使用“OR”接受任何选定的标签。

选择如何合并标注

选择合并策略:
  • 无:跳过将匹配的预测与现有样本匹配,因此 Hub 将预测输出作为新样本摄取。
  • 追加标注:保留现有标注并将预测添加到匹配的样本。
  • 替换标注:在添加预测之前从匹配的样本中删除现有标注。
然后选择由 Hub AI 训练运行生成的“模型检查点”并提交表单。

审查预标注的样本

从“作业”中监控“预标注”作业。成功的样本将返回“预标注”状态。将网格过滤到该状态,审查并更正预测,然后将已批准的样本移至“已完成”。