OpenPose（tensorflow）工程详解系列（一）—— 制作训练数据集

一、任务描述

最近做的项目是关于关键点识别，由于接触比较多的关键点网络为OpenPose，所以就选择了该网络。该任务需要识别人体背部的7个关键点。

二、数据标注

由于要训练自己的数据集，所以就需要人工标注数据，使用软件为labelme。该工具非常好用，基本可以满足深度学习众多任务的数据标注需求具体使用如下步骤所示：

1. 软件的安装和详细介绍请参考我之前的博文（https://blog.csdn.net/kxh123456/article/details/106756724）
2. 打开软件如下图所示，主要功能集中在顶层菜单栏和左侧菜单栏
   
3. 点击Edit按钮，可以看到不同的标注形式，比如点、线、多边形等
   
4. 标注效果如下所示，总共7个点
   
5. 标注完成后，点击左侧栏的Save按钮，保存Json文件如下图所示，图中的绿色框是保存的图像数据，那么Json文件会很大，如果不需要则取消保存（【File】->【Save with Image Data】）：
   

三、标注的规范

1. 统一性
   对于同一个部位的点，应该具有特征一致性，不能每个样本随意标注。比如每个人的肩胛骨位置并不是完全固定在背部某个特定区域。但是他们应该具有相似的特征，那么标注的时候，应该根据特征标注。
2. 准确性
   特征明显的情况下，每个位置的标注应该足够准确。如果某个部位的特征不明显，那么最好事忽略该样本的标注。否则会降低训练的准确率。