＜计算机视觉一＞ 使用标定工具标定自己的目标检测

        很多时候拿到深度学习的网路都是跑下公开数据集，有的库例如pytorch、TensorFlow、caffe2都会将一些数据集集成到框架中，直接调用就可以使用。我们更多的时候想要使用模型检测自己的数据集。首先你要选择一个标注软件，一般用的比较多的是LabelImg和Labelme。LabelImg生成的是xml文件数据而Labelme生成的是json 数据格式。有的单位也会使用自己开发的标注软件和自己的云服务器对接，这样能够更加细化标志任务。我平时除了目标检测外还会用到分割任务，因此我用Labelme更加多一些。LabelImg数据格式可以直接用于网上公开的yolo系列，因此选择哪个标注软件完全看个人的使用习惯。

        如果你是ubuntu系统直接安装，如果是Windows系统可以直接使用labelme的exe文件，官网有下载。

pip install labelme

终端打开

labelme 

点击Open Dir打开你要表述的数据集 

鼠标右键选择Create Rectangle来标注矩形框，或者使用快捷键ctrl+R快速画框

这里我标注2个分类一个为face一个为do

标注完当前张按D键快速到下一章，其中会跳出json文件保存路径位置，我一般就保存在当前图像路径下，当然规范化的还是选一个文件夹保存文件。

 可以看到文件下生成一个json数据文件大致结构如下，imageData是截取部分，保存了图像数据的base64格式，即如果你的原图丢了没关系，后面说明如何单用一个json文件就能够生成图像，这个也是我喜欢用labelme的原因之一，有的时候标签在 图像找不到了，非常的苦恼啊。

{"version": "5.0.1",
  "flags": {},
  "shapes": [
    {
      "label": "face",
      "points": [
        [
          130.17525773195877,
          28.350515463917528
        ],
        [
          293.0618556701031,
          222.16494845360825
        ]
      ],
      "group_id": null,
      "shape_type": "rectangle",
      "flags": {}
    },
    {
      "label": "dog",
      "points": [
        [
          52.34020618556701,
          232.47422680412373
        ],
        [
          195.12371134020617,
          361.8556701030928
        ]
      ],
      "group_id": null,
      "shape_type": "rectangle",
      "flags": {}
    }
  ],
  "imagePath": "000001.jpg",
  "imageData": "/9j***********************",
  "imageHeight": 500,
  "imageWidth": 353

}

至此标注的工作大致流程就这样，标注非常的枯草乏味，因此标注完以后需要回头核查下数据，有没标注错误的。毕竟“再好的算法也经不起烂数据的摧残！”

下一篇介绍如何转换这些json数据到网络能够训练的数据格式。