深度学习图像-半自动和自动标注工具

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。

实现方法：

1、Anno-Mage

Anno-Mage是一个半自动标注工具，通过一个通用模型对数据集进行检测。但这个工具能标注的物品类型有限，也没有模型迭代逐步求精的过程，可以自行对其源码进行修改优化。

github代码地址：https://github.com/virajmavani/semi-auto-image-annotation-tool 

2、easyDL智能标注

2.1、智能标注

百度easyDL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。

easyDL平台网址：https://ai.baidu.com/easydl/lite

智能检测技术文档：https://ai.baidu.com/ai-doc/EASYDL/lk38n327g

2.2、数据导出

但easyDL官方不提供数据导出功能和api，这阻碍了我们把数据拿到Tensorflow和Caffe进行训练。所以我们可以通过爬虫技术来爬取训练好的数据。

工具github地址：https://github.com/kooky126/easydl2labelImg