上一篇介绍了图像标注工具的种类，这次介绍一下图像标注的应用场景，依旧通过不同的图像标注类型来介绍不同的应用场景。
1.矩形框标注
矩形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。
矩形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。
在新零售行业，可以通过边界框标注识别杂货店的食品及其他物品，自动监测结账流程。同时还可以检测车辆外部受损情况，以便在保险索赔时进行详细分析。
2.多边形标注
多边形标注用众多复杂多边形标注目标，能够捕捉不规则形状的目标。
多边形标注在自动驾驶中运用广泛，能够突出标志和路标等不规则物体，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。
计算机视觉中多边形分割还可以用于标注城市景观中的不规则物体，如车辆、树木和水池。
3.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。
4.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。
5.3D长方体标注
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。
通常开发自动驾驶车辆和移动机器人的计算机视觉系统会运用三维长方体标注工具。
6.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。
图像标注工具多种多样，所以只要选择正确的方法，计算机视觉便能实现所有的目标。
上一篇
下一篇
2022年3月25日
