团队如何接数据标注任务？
谢@霍华德邀我目前在车厂无人驾驶部门的职责之一便是研发无人驾驶感知算法的数据集的半自动标注算法再具体一点计算机视觉领域的： 语义分割(Semantic Segmentation) 和 全景分割 (Panoptic Segmentation)https://arxiv.org/pdf/1801.00868.pdf它们或许是数据标注领域成本最高的俩个任务（德国高达100人民币/图）它们的具体定义可以见上图一、标注任务语义分割: 对图片中每一个像素标注其类别（如：汽车、行人、道路等）全景分割：对于每一个像素，在语义分割的基础上再区分目标instance物体（如：汽车1、汽车2、行人5等）二、标注格式通常标注结果还是存成图片的常见格式（如: png）图片的每一个通道存储不同信息（用数字1-255表示）例如第一通道存储： 该像素所属类别第二通道：如果该像素属于目标物体，他属于第几个instance第三通道：通常是0或1，1表示该像素是可以驾驶的区域，0反之三、开源数据集Cityscapes（戴姆勒公司、德国马普所、TU Darmstadt）: https://www.cityscapes-dataset.com/Mapillary Vistas (丰田、Lytf等赞助)：https://www.mapillary.com/dataset/vistas?pKey=0_xJqX3-c-KyTb90oG_8HQKitti Dataset (德国KIT和丰田芝加哥研究所): http://www.cvlibs.net/datasets/kitti/eval_scene_flow.php等等可以看到背后都有财团的支持四、数据集的成本和作用成本：据Cityscapes官方，标注一张该数据集中的语义分割平均需要1.5小时！！！德国最低工资是9欧元左右/小时因此在德国标注一张语义分割图片的成本超过13欧元（约合100块人民币）！！重要性：深度学习需要大量精细标注的数据作为“燃料”保守L3要能够上路需要至少几百万张标注精细的训练图片人工智能时代，谁拥有数据谁就拥有源源不断的燃料数据集也成为无人驾驶公司和主机厂的兵家必争之地五、用优化算法节约标注成本手动标注一张语义分割像素级别的图片平均需要1.5小时有没有什么更智能的办法提高标注效率呢？专注于优化算法的@运筹OR帷幄 以下略探12：1. ScribbleSup: Scribble-Supervised Convolutional Networks for ...2. Weakly-and Semi-Supervised Panoptic Segmentation3. Fast Interactive Object Annotation With Curve-GCN其中paper 1和2是用涂鸦和画方框的方式与图片交互Paper 3是用描物体边界的方式标注软件的一般流程是：标注者输入交互信息-算法自动标注-标注者修改-算法标注直到标注者满意为止Paper 1和2还report了只进行一次交互（标注时间为几十秒）图像分割优化算法结合深度学习CNN便可以达到相较于精细标注95%的精度We obtain state-of-the-art results on Pascal VOC, for both full and weak supervision (which achieves about 95% of fullysupervised performance).注：以上研究方向关键词weakly and semi-supervised learning六、结语数据标注是如今深度学习获得巨大成功的基石从Feifei Li创建ImageNet（1千多万张、2万多类别图片）开始数据集便成为计算机视觉的一个热点话题而伴随着数据集的各种challenge和刷榜单也成为CV领域发顶会的标配希望“无偿”使用公开数据集的研究者和业界从业者都能尊重数据集创作者的汗水人工智能的从业者也能认可那些幕后做着重复枯燥标记工作者的付出（例如：贵阳数据标记村）最后，无人驾驶、计算机视觉、人工智能的学生|研发者欢迎加入 @运筹OR帷幄 公众号后台的学术|研发群交流～
