准备数据
视觉类数据集目前支持图片、视频两种文件类型，不同类型的标注任务对于图片/视频内容有不同的要求：
- 图像分类：识别一张图片中是否为某类物体/场景，适用于图片内容单主体，需要给整张图片分类的场景。
- 目标检测：检测图像上每个物体的位置、标签类别。适用于图片上有多个物体需要检测。
- 目标跟踪：给定一个或多个目标，跟踪目标的移动位置变化。适用于视频文件对目标持续跟踪监测。
准备数据分为「未标注数据」和「本地已标注数据集」两类。
未标注数据
1.准备标签
- 在上传之前确定想要识别哪几种物体，并上传含有这些物体的图片。每个标签对应想要在图片中检测出的一种物体
- 「一站式平台」提供了常见的数据标签作为预置标签，方便用户按需使用
| 数据类型 | 标注类型 | 预置标签组 | 说明 |
|---|---|---|---|
| 图片 | 目标检测 | COCO | COCO 是微软团队提供的一个用来进行图像识别的数据集 |
| 图片 | 图像分类 | COCO | 同上 |
| 图片 | 图像分类 | ImageNet | 根据 WordNet 层次结构组织的图像数据集 |
| 视频 | 目标跟踪 | COCO | 同上 |
2.准备数据
- 保证图片质量：不能有损坏的图片；目前支持的格式包括 .jpg/.png/.bmp/.jpeg； 单个文件不大于 5 MB
- 保证视频质量：不能有损坏的视频；目前支持的格式包括.mp4/.avi/.mkv/.mov/.webm/.wmv；单个文件不大于 1024 MB
- 不要把明显不同的多个任务数据放在同一个数据集内
- 为了保证模型的预测准确度，训练样本跟真实使用场景尽量相似
- 为保证模型的泛化能力，数据集尽量覆盖可能出现的各种场景
- 目标检测数据集中，如果标注框坐标超过图片，将无法识别该图片为已标注图片
本地已标注数据集
导入数据集
- 图片格式支持 jpg/png/bmp/jpeg，不大于 5MB，位于 origin 目录下，不支持目录嵌套
- 本地数据集需要包括图片（origin 目录）、标注文件（annotation 目录）和标签文件三部分
- 标注文件为 json 格式，位于 annotation 目录下，必须和文件同名（如果不存在标注，可不上传），不支持目录嵌套
- 标签文件为 json 格式，命名要求为 label_{name}.json，其中 name 为标签组名称，不能与系统已有标签组重名
- 导入的图片名称不能重复
目录说明
本地数据集需要包括图片（origin 目录）、标注文件（annotation 目录）和标签文件三部分。
图 1 导入数据集目录说明