




版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
第二章
圖像任務(wù)標(biāo)注項(xiàng)目任務(wù)一
圖像標(biāo)簽分類標(biāo)注內(nèi)容概括概念典型應(yīng)用場(chǎng)景實(shí)踐標(biāo)注操作小結(jié)“人之情,目欲視色”--莊子1.概念圖像分類是根據(jù)圖像的語(yǔ)義信息將不同類別圖像區(qū)分開(kāi)來(lái),是計(jì)算機(jī)視覺(jué)中重要的基本問(wèn)題,也是圖像檢測(cè)、圖像分割、物體跟蹤、行為分析等其他高層視覺(jué)任務(wù)的基礎(chǔ)。其核心思想便是從給定的分類集合中給圖像分配一個(gè)標(biāo)簽的任務(wù)。實(shí)際上,圖像分類的任務(wù)是分析一個(gè)輸入圖像并返回一個(gè)將圖像分類的標(biāo)簽。標(biāo)簽來(lái)自預(yù)定義的可能類別集。圖像分類在很多領(lǐng)域有廣泛應(yīng)用,包括安防領(lǐng)域的人臉識(shí)別和智能視頻分析等,交通領(lǐng)域的交通場(chǎng)景識(shí)別,互聯(lián)網(wǎng)領(lǐng)域基于內(nèi)容的圖像檢索和相冊(cè)自動(dòng)歸類,醫(yī)學(xué)領(lǐng)域的圖像識(shí)別等。2.典型應(yīng)用場(chǎng)景2.典型應(yīng)用場(chǎng)景中醫(yī)藥數(shù)據(jù)領(lǐng)域廣泛應(yīng)用深度學(xué)習(xí)等新技術(shù)開(kāi)展研究。中藥作為中醫(yī)藥的重要組成部分,其有著數(shù)千年的悠久歷史,底蘊(yùn)十分豐富。中國(guó)勞動(dòng)人民幾千年來(lái)在與疾病作斗爭(zhēng)的過(guò)程中,通過(guò)實(shí)踐,不斷認(rèn)識(shí),逐漸積累了豐富的醫(yī)藥知識(shí)。由于太古時(shí)期文字未興,這些知識(shí)只能依靠師承口授。后來(lái)有了文字,便逐漸記錄下來(lái),出現(xiàn)了醫(yī)藥書籍,這些書籍起到了總結(jié)前人經(jīng)驗(yàn)并便于流傳和推廣的作用。由于藥物中草類占大多數(shù),所以記載藥物的書籍便稱為“本草”。據(jù)考證,素漢之際,本草流行已較多,但可惜這些本草都已亡佚,無(wú)可考察。現(xiàn)知的最早本草著作稱為《神農(nóng)本草經(jīng)》,著者不詳,根據(jù)其中記載的地名,可能是東漢醫(yī)家修訂前人著作而成。2.典型應(yīng)用場(chǎng)景人工智能技術(shù)的發(fā)展為中醫(yī)診斷手段帶來(lái)新的契機(jī),隨著中醫(yī)傳統(tǒng)診斷方法現(xiàn)代化研究的深入,脈診儀、舌診儀、色診儀、聞診儀、經(jīng)絡(luò)儀等已成為新興的現(xiàn)代中醫(yī)診斷技術(shù)。人工智能具有獨(dú)立自主的診療能力,通過(guò)大數(shù)據(jù)學(xué)習(xí)可達(dá)到與中醫(yī)專家高度匹配的診療結(jié)果,以現(xiàn)代中醫(yī)診斷技術(shù)及其數(shù)據(jù)為支撐,基于案例推理模型,利用人體信息采集設(shè)備,應(yīng)用人工智能技術(shù)模擬中醫(yī)診斷過(guò)程,為醫(yī)生提供診療所需的知識(shí)、經(jīng)驗(yàn)、方法等啟發(fā)醫(yī)生思維,輔助醫(yī)生診斷,實(shí)現(xiàn)中醫(yī)診斷技術(shù)的信息化、數(shù)字化、標(biāo)準(zhǔn)化。3.實(shí)踐標(biāo)注操作準(zhǔn)備數(shù)據(jù)此處準(zhǔn)備了30張動(dòng)物圖像用于標(biāo)注,分別是10張雞的圖像,10張兔子的圖像,10張老鼠的圖像。3.實(shí)踐標(biāo)注操作創(chuàng)建項(xiàng)目打開(kāi)label-studio,在頁(yè)面選擇“CreateProject”創(chuàng)建項(xiàng)目,命名為AnimalClassify,并添加相應(yīng)描述3.實(shí)踐標(biāo)注操作導(dǎo)入數(shù)據(jù)選擇“DataImport”,通過(guò)左上角的“UploadFiles”選擇準(zhǔn)備好的數(shù)據(jù),進(jìn)行導(dǎo)入。右圖分別為導(dǎo)入數(shù)據(jù)前后的“DataImport”界面。3.實(shí)踐標(biāo)注操作LabelingSetup導(dǎo)入數(shù)據(jù)后,選擇界面上方的“LabelingSetup”,之后出現(xiàn)如圖所示界面,左邊列表為任務(wù)選擇列表,包括ComputerVision、NaturalLanguageProcessing、Audio/speechProcessing等,根據(jù)不同任務(wù)選擇選項(xiàng),本次的圖片分類任務(wù)選擇第一項(xiàng)“ComputerVision”。之后界面右側(cè)會(huì)出現(xiàn)八個(gè)不同的任務(wù)選項(xiàng),由于本節(jié)要進(jìn)行的是圖片分類任務(wù),所以選擇第六個(gè)任務(wù)-“ImageClassification”。3.實(shí)踐標(biāo)注操作LabelingSetup選擇項(xiàng)目模板類型后,跳轉(zhuǎn)至如圖所示界面3.實(shí)踐標(biāo)注操作LabelingSetup在上述界面的左邊添加圖片中動(dòng)物的分類,因?yàn)閳D片分別有10張雞,10張兔子以及10張老鼠,故設(shè)置了三個(gè)英文標(biāo)簽,分別為:chicken、rabbit、rat。添加完標(biāo)簽后,便可點(diǎn)擊界面右上角的“Save”按鈕,跳轉(zhuǎn)至如圖所示界面,該界面中展示了所有載入的圖像。3.實(shí)踐標(biāo)注操作開(kāi)始標(biāo)注任意點(diǎn)擊任務(wù)主界面的一張圖像,便可進(jìn)入該圖像的標(biāo)注界面。例如點(diǎn)擊,如圖所示的母雞圖片,在此界面可以根據(jù)該圖像所屬的標(biāo)簽類型,選擇對(duì)應(yīng)的標(biāo)簽,比如該圖像內(nèi)容是一只雞,則選擇對(duì)應(yīng)的chicken標(biāo)簽,選完之后,點(diǎn)擊右上角的“Submit”提交。3.實(shí)踐標(biāo)注操作開(kāi)始標(biāo)注通過(guò)圖任務(wù)主界面點(diǎn)擊中上方位置的LabelAllTasks按鈕,則會(huì)進(jìn)入到如圖所示界面。于該界面中同樣可對(duì)圖片進(jìn)行標(biāo)注操作,打完標(biāo)簽后,點(diǎn)擊右上角的“Submit”按鈕即可跳轉(zhuǎn)到下一張圖像繼續(xù)標(biāo)注。3.實(shí)踐標(biāo)注操作開(kāi)始標(biāo)注如果當(dāng)前圖片不屬于三個(gè)標(biāo)簽中的任一類或者該圖像不能確認(rèn)類別,則可點(diǎn)擊界面右上角的“Skip”按鈕,跳過(guò)該圖像的標(biāo)注過(guò)程。對(duì)于已經(jīng)標(biāo)記了的圖像,可在標(biāo)注界面通過(guò)左上角的<、>進(jìn)行圖像的切換選擇待修改圖像,更新該圖像的標(biāo)簽后,點(diǎn)擊右上角的Updata即可。3.實(shí)踐標(biāo)注操作開(kāi)始標(biāo)注所有圖像標(biāo)注完成之后,便會(huì)跳轉(zhuǎn)到如圖所示界面,代表所有圖像均已處理完成。3.實(shí)踐標(biāo)注操作開(kāi)始標(biāo)注點(diǎn)擊界面左上角的AnimalClassify便可查看圖片的標(biāo)注情況,如圖所示,其中第一列數(shù)據(jù)代表圖像id,第二列代表標(biāo)注時(shí)間,第三列代表標(biāo)注與否,1為標(biāo)注完成,0為未標(biāo)注,第四列代表是否跳過(guò)標(biāo)注,1代表跳過(guò),0代表未跳過(guò)。3.實(shí)踐標(biāo)注操作導(dǎo)出結(jié)果若要導(dǎo)出最終的標(biāo)注結(jié)果,則可圖中“Export”按鈕,便會(huì)出現(xiàn)如圖所示界面,根據(jù)處理任務(wù)的不同會(huì)顯示不同文件生成結(jié)果,由于本節(jié)任務(wù)是圖像分類,所以,可以生成如圖所示的四類文件,若要導(dǎo)出哪種文件到本地,選中其后,點(diǎn)擊右下角“Export”即可。3.實(shí)踐標(biāo)注操作結(jié)果展示將所需文件導(dǎo)出到本地后,可以進(jìn)行查看,比如導(dǎo)出JSON格式文件,如圖所示,由于篇幅過(guò)大,所以只展示了部分?jǐn)?shù)據(jù)。[{
"id":90,
"annotations":[{
"id":91,
"completed_by":1,
"result":[{
"value":{"choices":["rat"]},
"id":"IkO1NcTGG_",
"from_name":"choice",
"to_name":"image",
"type":"choices",
"origin":"manual"}],
"was_cancelled":false,
"ground_truth":false,
"created_at":"2022-05-19T11:08:02.299987Z",
"updated_at":"2022-05-19T11:08:02.299987Z",
"lead_time":4.131,
"prediction":{},
"result_count":0,
"task":90,
"parent_prediction":null,
"parent_annotation":null}],………………
"file_upload":"ab51fbca-chickens007.jpg",
"drafts":[],
"predictions":[],
"data":{"image":"\/data\/upload\/9\/ab51fbca-chickens007.jpg"},
"meta":{},
"created_at":"2022-05-19T10:56:03.092880Z",
"updated_at":"2022-05-19T11:00:58.184831Z",
"project":9}]3.實(shí)踐標(biāo)注操作結(jié)果展示或者所需文件為CSV文件,則將CSV文件導(dǎo)出,如圖所示。小結(jié)知識(shí)目標(biāo):(1)明確分類任務(wù)標(biāo)注方法(2)熟悉分類任務(wù)結(jié)果導(dǎo)出格式思政目標(biāo):(1)了解中國(guó)傳統(tǒng)哲學(xué)文化(2)了解中醫(yī)藥發(fā)展的歷程第二章
圖像任務(wù)標(biāo)注項(xiàng)目任務(wù)二
目標(biāo)檢測(cè)標(biāo)注內(nèi)容概括概念典型應(yīng)用場(chǎng)景實(shí)踐標(biāo)注操作1.1概念目標(biāo)檢測(cè),也稱為目標(biāo)提取,是一種基于目標(biāo)幾何和統(tǒng)計(jì)特征的圖像分割。它將目標(biāo)的分割和識(shí)別合二為一,其準(zhǔn)確性和實(shí)時(shí)性是整個(gè)系統(tǒng)的一項(xiàng)重要性能。目標(biāo)檢測(cè)是圖像分類的進(jìn)階版本,圖像分類只需要辨別圖像中物體的類別即可,而對(duì)于目標(biāo)識(shí)別來(lái)說(shuō),還需要得到目標(biāo)詳細(xì)的坐標(biāo)信息。在目標(biāo)檢測(cè)任務(wù)中,需要輸入一張圖像,然后從整張圖像中辨別出需要識(shí)別的目標(biāo),指出目標(biāo)的類別,并且需要標(biāo)注出目標(biāo)的位置,并用外接矩形框標(biāo)出。1.2典型應(yīng)用場(chǎng)景隨著計(jì)算機(jī)技術(shù)的發(fā)展和計(jì)算機(jī)視覺(jué)原理的廣泛應(yīng)用,利用計(jì)算機(jī)圖像處理技術(shù)對(duì)目標(biāo)進(jìn)行實(shí)時(shí)跟蹤研究越來(lái)越熱門,對(duì)目標(biāo)進(jìn)行動(dòng)態(tài)實(shí)時(shí)跟蹤定位在智能化交通系統(tǒng)、工業(yè)檢測(cè)、智能監(jiān)控系統(tǒng)、軍事目標(biāo)檢測(cè)及醫(yī)學(xué)導(dǎo)航手術(shù)中的手術(shù)器械定位等方面具有廣泛的應(yīng)用價(jià)值。1.2典型應(yīng)用場(chǎng)景在智能化交通系統(tǒng)中,目標(biāo)檢測(cè)主要應(yīng)用于如下場(chǎng)景:(1)交通流量與紅綠燈控制:通過(guò)視覺(jué)算法,對(duì)道路卡口相機(jī)和電警相機(jī)中采集的視頻圖像進(jìn)行分析,根據(jù)相應(yīng)路段的車流量,調(diào)整紅綠燈配時(shí)策略,提升交通通行能力。1.2典型應(yīng)用場(chǎng)景(2)交通事件檢測(cè):通過(guò)視覺(jué)算法,檢測(cè)各種交通事件,包括非機(jī)動(dòng)車駛?cè)霗C(jī)動(dòng)車道、車輛占用應(yīng)急車道以及監(jiān)控危險(xiǎn)品運(yùn)輸車輛駕駛員的駕駛行為、交通事故實(shí)時(shí)報(bào)警等,第一時(shí)間將異常事件上報(bào)給交管部門。1.2典型應(yīng)用場(chǎng)景(3)交通違法事件檢測(cè)和追蹤:通過(guò)視覺(jué)算法,發(fā)現(xiàn)套牌車輛、收費(fèi)站逃費(fèi)現(xiàn)象,跟蹤肇事車輛,對(duì)可疑車輛/行人進(jìn)行全程軌跡追蹤,通過(guò)視覺(jué)技術(shù)手段,極大地提升公安/交管部門的監(jiān)管能力。目標(biāo)測(cè)標(biāo)注1.2典型應(yīng)用場(chǎng)景(4)自動(dòng)駕駛:自動(dòng)駕駛是一個(gè)多種前沿技術(shù)高度交叉的研究方向,其中視覺(jué)相關(guān)算法主要包含對(duì)道路、車輛以及行人的檢測(cè),對(duì)交通標(biāo)志物以及路旁物體的檢測(cè)識(shí)別等。主流的人工智能公司都投入了大量的資源進(jìn)行自動(dòng)駕駛方面的研發(fā),目前已經(jīng)初步實(shí)現(xiàn)了受限路況條件下的自動(dòng)駕駛,但距離實(shí)現(xiàn)不受路況、天氣等因素影響的自動(dòng)駕駛,尚有相當(dāng)大的一段距離。1.2典型應(yīng)用場(chǎng)景工業(yè)檢測(cè)是計(jì)算機(jī)視覺(jué)的另一個(gè)重要應(yīng)用領(lǐng)域,在各個(gè)行業(yè)均有極為廣泛的應(yīng)用。在產(chǎn)品的生產(chǎn)過(guò)程中,由于原料、制造業(yè)工藝、環(huán)境等因素的影響,產(chǎn)品有可能產(chǎn)生各種各樣的問(wèn)題。其中相當(dāng)一部分是所謂的外觀缺陷,即人眼可識(shí)別的缺陷。在傳統(tǒng)生產(chǎn)流程中,外觀缺陷大多采用人工檢測(cè)的方式進(jìn)行識(shí)別,不僅消耗人力成本,也無(wú)法保障檢測(cè)效果。工業(yè)檢測(cè)就是利用計(jì)算機(jī)視覺(jué)技術(shù)中的目標(biāo)檢測(cè)算法,把產(chǎn)品在生產(chǎn)過(guò)程中出現(xiàn)的裂紋、形變、部件丟失等外觀缺陷檢測(cè)出來(lái),達(dá)到提升產(chǎn)品質(zhì)量穩(wěn)定性、提高生產(chǎn)效率的目的。1.2典型應(yīng)用場(chǎng)景昇騰AI是以昇騰AI基礎(chǔ)軟硬件平臺(tái)為基礎(chǔ)構(gòu)建的人工智能計(jì)算產(chǎn)業(yè),昇騰AI基礎(chǔ)軟硬件平臺(tái)包括Atlas系列硬件及伙伴硬件、異構(gòu)計(jì)算架構(gòu)CANN(ComputeArchitectureforNeuralNetworks)、全場(chǎng)景AI框架昇思MindSpore、昇騰應(yīng)用使能MindX等。作為昇騰AI的核心,異構(gòu)計(jì)算架構(gòu)CANN兼容多種底層硬件設(shè)備形態(tài)提供強(qiáng)大的異構(gòu)計(jì)算能力,并且通過(guò)多層次編程接口,支持用戶快速構(gòu)建AI應(yīng)用和業(yè)務(wù)。能夠很好地完成工業(yè)檢測(cè)任務(wù)。1.3實(shí)踐標(biāo)注操作此處準(zhǔn)備了4張汽車圖像用于標(biāo)注,圖像中有的只有一輛汽車,有的有多輛汽車。準(zhǔn)備數(shù)據(jù)1.3實(shí)踐標(biāo)注操作打開(kāi)label-studio,在頁(yè)面選擇“CreateProject”創(chuàng)建項(xiàng)目,命名為CarDetection,并添加相應(yīng)描述,如圖所示。創(chuàng)建項(xiàng)目1.3實(shí)踐標(biāo)注操作選擇“DataImport”標(biāo)簽頁(yè),通過(guò)左上角的“UploadFiles”選擇準(zhǔn)備好的數(shù)據(jù),進(jìn)行導(dǎo)入。兩圖分別為導(dǎo)入數(shù)據(jù)前后的DataImport界面。導(dǎo)入數(shù)據(jù)1.3實(shí)踐標(biāo)注操作導(dǎo)入數(shù)據(jù)后,選擇界面上方的“LabelingSetup”,之后出現(xiàn)如圖所示界面。左邊列表為任務(wù)選擇列表,包括ComputerVision、NaturalLanguageProcessing等,根據(jù)不同任務(wù)選擇選項(xiàng),本次的目標(biāo)檢測(cè)任務(wù)選擇第一項(xiàng)“ComputerVision”,之后界面右側(cè)會(huì)出現(xiàn)八個(gè)不同的任務(wù)選項(xiàng),選擇“ObjectDetectionwithBoundingBoxes”。LabelingSetup1.3實(shí)踐標(biāo)注操作選擇項(xiàng)目模板類型后,跳轉(zhuǎn)至如圖所示界面,在該界面的左邊添加圖片中目標(biāo)檢測(cè)的類型。因?yàn)橹粰z測(cè)圖像中的汽車,故共設(shè)置了一個(gè)英文標(biāo)簽“car”。LabelingSetup1.3實(shí)踐標(biāo)注操作添加完標(biāo)簽后,便可點(diǎn)擊界面右上角的“Save”按鈕,跳轉(zhuǎn)至如圖所示界面,該界面中展示了所有載入的圖像。LabelingSetup1.3實(shí)踐標(biāo)注操作點(diǎn)擊任務(wù)主界面的第一張圖像,便可進(jìn)入該圖像的標(biāo)注界面,如圖所示開(kāi)始標(biāo)注1.3實(shí)踐標(biāo)注操作在上述界面先選中標(biāo)簽car,之后點(diǎn)擊圖像上汽車所在位置,鼠標(biāo)不放并拖動(dòng),便會(huì)出現(xiàn)一個(gè)矩形框,如圖所示開(kāi)始標(biāo)注1.3實(shí)踐標(biāo)注操作如果所畫的矩形框的大小和汽車的大小不匹配時(shí),點(diǎn)擊該矩形框,矩形框則會(huì)變?yōu)榭勺兇笮〔⑶铱梢苿?dòng)狀態(tài),如圖所示,此時(shí),通過(guò)拖動(dòng)或者改變矩形框大小,使得該矩形框與汽車大小完全匹配,匹配后點(diǎn)擊右上角的Submit即可。開(kāi)始標(biāo)注1.3實(shí)踐標(biāo)注操作對(duì)于圖像的標(biāo)注過(guò)程也可以不在此處進(jìn)行,通過(guò)任務(wù)主界面的LabelAllTasks按鈕,則會(huì)進(jìn)入到如圖所示界面。于該界面中同樣可對(duì)圖片進(jìn)行標(biāo)注操作,標(biāo)注完成后,點(diǎn)擊右上角的Submit按鈕即可跳轉(zhuǎn)到下一張圖像的標(biāo)注界面,如果當(dāng)前圖片中沒(méi)有汽車,則可點(diǎn)擊界面右上角的Skip按鈕,跳過(guò)該圖像的標(biāo)注過(guò)程。開(kāi)始標(biāo)注1.3實(shí)踐標(biāo)注操作對(duì)于已經(jīng)標(biāo)記了的圖像,可通過(guò)左上角的<、>進(jìn)行圖像的切換,若想改變某張圖像的標(biāo)注內(nèi)容,則可通過(guò)“<”、“>”切換到該圖像,更新該圖像的標(biāo)注內(nèi)容后,點(diǎn)擊右上角的“Updata”提交變更。當(dāng)圖像中出現(xiàn)多個(gè)目標(biāo)時(shí),使用多個(gè)矩形框逐個(gè)將其標(biāo)注即可,如圖所示。開(kāi)始標(biāo)注1.3實(shí)踐標(biāo)注操作所有圖像標(biāo)注完成之后,便會(huì)跳轉(zhuǎn)到如圖所示界面,代表所有圖像均已處理完成。開(kāi)始標(biāo)注1.3實(shí)踐標(biāo)注操作點(diǎn)擊界面左上角的CarDetection便可查看圖片的標(biāo)注情況,如圖所示,其中第一列數(shù)據(jù)代表圖像id,第二列代表標(biāo)注時(shí)間,第三列代表標(biāo)注與否,1為標(biāo)注完成,0為未標(biāo)注,第四列代表是否跳過(guò)標(biāo)注,1代表跳過(guò),0代表未跳過(guò)。開(kāi)始標(biāo)注1.3實(shí)踐標(biāo)注操作若要導(dǎo)出最終的標(biāo)注結(jié)果,則可點(diǎn)擊主界面右上角的Export按鈕,便會(huì)出現(xiàn)如圖所示界面,根據(jù)處理任務(wù)的不同會(huì)顯示不同文件生成結(jié)果,由于本節(jié)任務(wù)是目標(biāo)檢測(cè),所以,可以生成如圖所示的七類文件,若要導(dǎo)出哪種文件到本地,選中其后,點(diǎn)擊右下角Export即可。當(dāng)然,也可以將這七類文件全部導(dǎo)出。導(dǎo)出結(jié)果1.3實(shí)踐標(biāo)注操作將所需文件導(dǎo)出到本地后,可以進(jìn)行查看,此處導(dǎo)出的JSON格式文件(由于篇幅過(guò)大,只展示了部分?jǐn)?shù)據(jù))如圖所示。結(jié)果展示[{
"id":94,
"annotations":[{
"id":95,
"completed_by":1,
"result":[{
"original_width":1080,
"original_height":659,
"image_rotation":0,
"value":{
"x":17.33333333333333,
"y":53.27510917030566,
"width":13.333333333333336,
"height":21.179039301310013,
"rotation":0,
"rectanglelabels":["Car"]},
"id":"Yq-t9cB1EO",
"from_name":"label",
"to_name":"image",
"type":"rectanglelabels",
"origin":"manual"},……"created_at":"2022-05-22T11:23:46.549674Z",
"updated_at":"2022-05-22T12:27:07.646509Z",
"project":10}]第二章
圖像任務(wù)標(biāo)注項(xiàng)目任務(wù)三
小目標(biāo)檢測(cè)標(biāo)注內(nèi)容概括概念面臨挑戰(zhàn)典型應(yīng)用場(chǎng)景實(shí)踐標(biāo)注操作2.1概念目標(biāo)檢測(cè)是一種基于目標(biāo)幾何和統(tǒng)計(jì)特征的圖像分割。而對(duì)于小目標(biāo)檢測(cè)則是對(duì)圖形中的小目標(biāo)物體進(jìn)行檢測(cè),但是對(duì)于不同場(chǎng)景下定義的小目標(biāo)標(biāo)準(zhǔn)不盡相同,現(xiàn)有定義方式按學(xué)術(shù)上主要分為兩類:相對(duì)尺寸與絕對(duì)尺寸。2.1概念(1)相對(duì)尺寸從目標(biāo)與圖像相對(duì)尺寸來(lái)定義,Chen等人對(duì)小目標(biāo)進(jìn)行了定義:同一類別中,所有目標(biāo)實(shí)例的相對(duì)面積,即他的邊界框面積與圖像面積之比的中位數(shù)于0.08%~0.58%之間。除此之外,較為常見(jiàn)的還有幾種,比如面積邊界框的寬高于圖像的寬高比例小于一定值,較為常用的比值為0.1;再比如目標(biāo)邊界框面積與圖像面積的比值開(kāi)放小于一定值,較為常用的值為0.03;還有就是根據(jù)目標(biāo)實(shí)際覆蓋像素與圖像總像素之間比例對(duì)小目標(biāo)進(jìn)行定義。相對(duì)尺度的定義存在一定的問(wèn)題,這種定義方式難以有效評(píng)估模型對(duì)不同尺度目標(biāo)的檢測(cè)性能,同時(shí)容易受到數(shù)據(jù)預(yù)處理與模型的影響。2.1概念(2)絕對(duì)尺寸從目標(biāo)絕對(duì)像素大小來(lái)說(shuō),目前最為通用的是來(lái)自MSCOCO數(shù)據(jù)集,將分辨率小于32×32像素的目標(biāo)定義為小目標(biāo)。對(duì)于為什么確定為32×32像素,提出了兩種思路:人類在圖像上方面能有效識(shí)別的彩色圖像最低像素大小為32×32,小于32×32像素則人眼無(wú)法識(shí)別,VGG網(wǎng)絡(luò)從輸入圖像到全連接層的特征向量經(jīng)過(guò)了5個(gè)最大池化層,因此選定輸入圖像為32×32像素2.1概念對(duì)于小目標(biāo)的目標(biāo)檢測(cè),有很多的解決方案,下面將對(duì)部分方案進(jìn)行介紹。(1)數(shù)據(jù)增強(qiáng)數(shù)據(jù)增強(qiáng)是提升小目標(biāo)檢測(cè)效果最簡(jiǎn)單有效的方法。主要通過(guò)擴(kuò)充小目標(biāo)樣本的規(guī)模,或者增強(qiáng)模型的魯棒性和泛化能力。(2)多尺度檢測(cè)小目標(biāo)與常規(guī)的目標(biāo)相比可利用的像素少,難以提取到好的特征,隨著網(wǎng)絡(luò)深度的增加,小目標(biāo)的特征信息和位置信息逐漸丟失,難以被網(wǎng)絡(luò)檢測(cè)。這些特性導(dǎo)致小目標(biāo)同時(shí)需要深層語(yǔ)義信息與淺層表征信息,而多尺度學(xué)習(xí)將這兩種相結(jié)合,是一種提升小目標(biāo)檢測(cè)性能的有效策略。2.1概念(3)上下文學(xué)習(xí)在真實(shí)世界中,目標(biāo)與場(chǎng)景、目標(biāo)與目標(biāo)存在共存關(guān)系,利用這種上下文信息可以提升小目標(biāo)的檢測(cè)性能。基于隱式上下文特征學(xué)習(xí)的目標(biāo)檢測(cè)。隱式上下文特征是指目標(biāo)區(qū)域周圍的背景特征或者全局的場(chǎng)景特征?;陲@示上下文推理的目標(biāo)檢測(cè)。顯示上下文推理是指利用場(chǎng)景中明確的上下文信息來(lái)輔助推斷目標(biāo)的位置或類別,例如利用場(chǎng)景中草地區(qū)域與目標(biāo)的上下文關(guān)系來(lái)推斷目標(biāo)的類別。2.1概念(4)對(duì)抗網(wǎng)絡(luò)生成對(duì)抗網(wǎng)絡(luò)的方法旨在通過(guò)將低分辨率小目標(biāo)的特征映射成與高分辨率目標(biāo)等價(jià)的特征,從而達(dá)到與尺寸較大目標(biāo)同等的檢測(cè)性能。可以通過(guò)結(jié)合生成對(duì)抗網(wǎng)絡(luò)提高小目標(biāo)的分辨率,縮小目標(biāo)之間的尺度差異,增強(qiáng)小目標(biāo)的特征表達(dá),提高小目標(biāo)的檢測(cè)效果,也可以使用GAN生成圖像,進(jìn)行數(shù)據(jù)增強(qiáng)。2.2面臨的挑戰(zhàn)(1)可利用特征少。小目標(biāo)的分辨率較低,可視化信息少,難以提取到具有鑒別力的特征,且極易被環(huán)境因素干擾。(2)定位精度要求高。小目標(biāo)在圖像中覆蓋的面積小,在預(yù)測(cè)過(guò)程中,預(yù)測(cè)邊界框偏移一個(gè)像素點(diǎn)都會(huì)造成很大的誤差。(3)現(xiàn)有數(shù)據(jù)集小目標(biāo)占比少?,F(xiàn)有的數(shù)據(jù)集大多針對(duì)大尺寸目標(biāo),小目標(biāo)較少,MSCOCO中雖然小目標(biāo)占比較高,但分布不均。再加上小目標(biāo)難以標(biāo)注,一方面來(lái)源于小目標(biāo)在圖像中不易被關(guān)注,另一方面對(duì)標(biāo)注誤差非常敏感。2.2面臨的挑戰(zhàn)(4)樣本不均衡。為了定位目標(biāo),現(xiàn)有的方法大多是預(yù)先在圖像的每一個(gè)位置生成一系列的Anchor,在訓(xùn)練中,通過(guò)設(shè)定固定的閾值來(lái)判斷Anchor是否屬于正樣本。(5)小目標(biāo)聚集。相對(duì)于大目標(biāo),小目標(biāo)容易出現(xiàn)聚集現(xiàn)象,當(dāng)小目標(biāo)聚集出現(xiàn)時(shí),聚集區(qū)域相鄰的小目標(biāo)無(wú)法區(qū)分。當(dāng)同類的小目標(biāo)密集出現(xiàn)時(shí),預(yù)測(cè)的邊界框還可能由于后處理的NMS將大量正確預(yù)測(cè)的邊界框過(guò)濾導(dǎo)致漏檢。(6)網(wǎng)絡(luò)結(jié)構(gòu)因素。現(xiàn)有的算法在設(shè)計(jì)時(shí)更關(guān)注大目標(biāo)的檢測(cè)效果,針對(duì)小目標(biāo)的優(yōu)化較少,同時(shí)大多算法基于Anchor設(shè)計(jì),對(duì)小目標(biāo)檢測(cè)不友好。在訓(xùn)練中,小目標(biāo)由于訓(xùn)練樣本少,進(jìn)一步減弱了網(wǎng)絡(luò)對(duì)小目標(biāo)的學(xué)習(xí)能力。2.3典型應(yīng)用場(chǎng)景對(duì)于小目標(biāo)的目標(biāo)檢測(cè),顧名思義,其主要應(yīng)用于小目標(biāo)的檢測(cè)場(chǎng)景下面將簡(jiǎn)單介紹兩個(gè)具體的應(yīng)用場(chǎng)景。(1)樂(lè)譜識(shí)別樂(lè)譜識(shí)別現(xiàn)階段比較健全的數(shù)據(jù)集是DeepScores,其包含高質(zhì)量的樂(lè)譜圖像,分為3000000張書面音樂(lè),其中包含不同形狀和大小的符號(hào)。該數(shù)據(jù)集擁有近一億個(gè)小對(duì)象,這使得該數(shù)據(jù)集不僅獨(dú)一無(wú)二,而且是最大的公共數(shù)據(jù)集。2.3典型應(yīng)用場(chǎng)景(2)衛(wèi)星圖檢測(cè)衛(wèi)星圖檢測(cè)主要是檢測(cè)通過(guò)衛(wèi)星拍攝圖形中的小目標(biāo)物體,NWPUVHR-10Dataset是一個(gè)用于空間物體檢測(cè)的10級(jí)地理遙感數(shù)據(jù)集,其擁有650張包含目標(biāo)的圖像和150張背景圖像,目標(biāo)種類包括飛機(jī)、艦船、油罐、棒球場(chǎng)、網(wǎng)球場(chǎng)、籃球場(chǎng)、田徑場(chǎng)、港口、橋梁和汽車共計(jì)10個(gè)類別的小目標(biāo)。2.4實(shí)踐標(biāo)注操作根據(jù)上文介紹,對(duì)于小目標(biāo)檢測(cè)有很多解決方案,由于本書主要講授數(shù)據(jù)標(biāo)注內(nèi)容,并且上述解決方案也有兩項(xiàng)與數(shù)據(jù)有關(guān),一是數(shù)據(jù)增強(qiáng),此處將實(shí)現(xiàn)將圖形中小目標(biāo)車牌復(fù)制粘貼到圖形的任意位置后在進(jìn)行標(biāo)注,二是上下文推理的形式,此處檢測(cè)的目標(biāo)是車牌,而車牌幾乎都會(huì)出現(xiàn)在車上,故標(biāo)注時(shí)會(huì)將車牌與車一起標(biāo)注,下面將對(duì)這兩種形式的標(biāo)注過(guò)程詳細(xì)介紹?,F(xiàn)找到兩張圖像進(jìn)行車牌的目標(biāo)檢測(cè),如上圖所示,由于首先要進(jìn)行小目標(biāo)復(fù)制粘貼式的數(shù)據(jù)增強(qiáng),故對(duì)圖像中的車牌復(fù)制,并粘貼到圖形中的隨機(jī)位置,如下圖所示。數(shù)據(jù)增強(qiáng)方式-準(zhǔn)備數(shù)據(jù)2.4實(shí)踐標(biāo)注操作打開(kāi)label-studio,在頁(yè)面選擇“CreateProject”創(chuàng)建項(xiàng)目,命名為L(zhǎng)ittelLicense,并添加相應(yīng)描述,如圖所示。數(shù)據(jù)增強(qiáng)方式-創(chuàng)建項(xiàng)目2.4實(shí)踐標(biāo)注操作選擇“DataImport”,通過(guò)左上角的“UploadFiles”選擇準(zhǔn)備好的數(shù)據(jù),進(jìn)行導(dǎo)入。如圖所示分別為導(dǎo)入數(shù)據(jù)前后的DataImport界面。數(shù)據(jù)增強(qiáng)方式-導(dǎo)入數(shù)據(jù)2.4實(shí)踐標(biāo)注操作選擇項(xiàng)目模板后,跳轉(zhuǎn)至如圖所示界面,在該界面的左邊添加圖片中目標(biāo)檢測(cè)的類型,因?yàn)橹粰z測(cè)圖像中的汽車,故共設(shè)置了一個(gè)英文標(biāo)簽license。該界面右側(cè)為示例圖形,無(wú)需理睬。數(shù)據(jù)增強(qiáng)方式-LabelingSetup2.4實(shí)踐標(biāo)注操作添加完標(biāo)簽后,便可點(diǎn)擊界面右上角的“Save”按鈕,跳轉(zhuǎn)至如圖所示界面,該界面中展示了所有載入的圖像。數(shù)據(jù)增強(qiáng)方式-LabelingSetup2.4實(shí)踐標(biāo)注操作點(diǎn)擊任務(wù)主界面的第一張圖像,便可進(jìn)入該圖像的標(biāo)注界面,如第一張圖所示,在此界面先選中標(biāo)簽license,之后點(diǎn)擊圖像上汽車所在位置,鼠標(biāo)不放并拖動(dòng),便會(huì)出現(xiàn)一個(gè)矩形框,如第二張圖所示,并且如果所畫的矩形框的大小和汽車的大小不匹配時(shí),點(diǎn)擊該矩形框,矩形框則會(huì)變?yōu)榭勺兇笮〔⑶铱梢苿?dòng)狀態(tài),此時(shí),通過(guò)拖動(dòng)或者改變矩形框大小,使得該矩形框與汽車大小完全匹配,匹配后點(diǎn)擊右上角的“Submit”即可。數(shù)據(jù)增強(qiáng)方式-開(kāi)始標(biāo)注2.4實(shí)踐標(biāo)注操作數(shù)據(jù)增強(qiáng)方式-開(kāi)始標(biāo)注2.4實(shí)踐標(biāo)注操作對(duì)于圖像的標(biāo)注過(guò)程也可以不在此處進(jìn)行,通過(guò)任務(wù)主界面,點(diǎn)擊界面中上方位置的LabelAllTasks按鈕,則會(huì)進(jìn)入到如圖所示界面。于該界面中同樣可對(duì)圖片進(jìn)行標(biāo)注操作,標(biāo)注完成后,點(diǎn)擊右上角的“Submit”按鈕即可跳轉(zhuǎn)到下一張圖像的標(biāo)注界面,如果當(dāng)前圖片中沒(méi)有車牌,則可點(diǎn)擊界面右上角的“Skip”按鈕,跳過(guò)該圖像的標(biāo)注過(guò)程。對(duì)于已經(jīng)標(biāo)記了的圖像,可通過(guò)左上角的<、>進(jìn)行圖像的切換,若想改變某張圖像的標(biāo)注內(nèi)容,則可通過(guò)<、>切換到該圖像,更新該圖像的標(biāo)注內(nèi)容后,點(diǎn)擊右上角的“Updata”即可。數(shù)據(jù)增強(qiáng)方式-開(kāi)始標(biāo)注2.4實(shí)踐標(biāo)注操作數(shù)據(jù)增強(qiáng)方式-開(kāi)始標(biāo)注2.4實(shí)踐標(biāo)注操作所有圖像標(biāo)注完成之后,便會(huì)跳轉(zhuǎn)到如圖所示界面,代表所有圖像均已處理完成。數(shù)據(jù)增強(qiáng)方式-開(kāi)始標(biāo)注2.4實(shí)踐標(biāo)注操作點(diǎn)擊界面左上角的“LittelLicense”便可查看圖片的標(biāo)注情況,如圖所示,其中第一列數(shù)據(jù)代表圖像id,第二列代表標(biāo)注時(shí)間,第三列代表標(biāo)注與否,1為標(biāo)注完成,0為未標(biāo)注,第四列代表是否跳過(guò)標(biāo)注,1代表跳過(guò),0代表未跳過(guò)。數(shù)據(jù)增強(qiáng)方式-開(kāi)始標(biāo)注2.4實(shí)踐標(biāo)注操作若要導(dǎo)出最終的標(biāo)注結(jié)果,則可點(diǎn)擊主界面右上角的“Export”按鈕,便會(huì)出現(xiàn)如圖所示界面,根據(jù)處理任務(wù)的不同會(huì)顯示不同文件生成結(jié)果,由于本節(jié)任務(wù)是目標(biāo)檢測(cè),所以,可以生成如圖所示的七類文件,若要導(dǎo)出哪種文件到本地,選中其后,點(diǎn)擊右下角“Export”即可。當(dāng)然,也可以將這七類文件全部導(dǎo)出。數(shù)據(jù)增強(qiáng)方式-導(dǎo)出結(jié)果2.4實(shí)踐標(biāo)注操作將所需文件導(dǎo)出到本地后,可以進(jìn)行查看,本節(jié)以PascalVOCXML數(shù)據(jù)為例。其會(huì)生成一個(gè)壓縮包,壓縮包中包含兩個(gè)文件夾,分別為Annotations和images,其中images文件夾中包含所有圖片,Annotations文件夾中包含對(duì)每張圖片記錄的標(biāo)注信息,格式為XML文檔,其中對(duì)某一張圖像的標(biāo)注信息如圖所示。數(shù)據(jù)增強(qiáng)方式-結(jié)果展示2.4實(shí)踐標(biāo)注操作現(xiàn)找到兩張圖像進(jìn)行車牌的目標(biāo)檢測(cè),如圖所示,由于后需要進(jìn)行上下文推理的形式對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練,所以此處標(biāo)注時(shí)不僅僅標(biāo)注車牌,還會(huì)標(biāo)注車牌的載體---汽車。上下文推理方式-準(zhǔn)備數(shù)據(jù)2.4實(shí)踐標(biāo)注操作小目標(biāo)檢測(cè)標(biāo)注打開(kāi)label-studio,在頁(yè)面選擇“Createproject”創(chuàng)建項(xiàng)目,命名為L(zhǎng)ittelLicense,并添加相應(yīng)描述,如圖所示。上下文推理方式-創(chuàng)建項(xiàng)目2.4實(shí)踐標(biāo)注操作選擇“DataImport”,通過(guò)左上角的“UploadFiles”選擇準(zhǔn)備好的數(shù)據(jù),進(jìn)行導(dǎo)入。如圖所示分別為導(dǎo)入數(shù)據(jù)前后的“DataImport”界面。上下文推理方式-導(dǎo)入數(shù)據(jù)2.4實(shí)踐標(biāo)注操作導(dǎo)入數(shù)據(jù)后,選擇界面上方的“LabelingSetup”,之后出現(xiàn)如圖所示界面,左邊列表選擇第一項(xiàng)“ComputerVision”,之后界面右側(cè)會(huì)出現(xiàn)八個(gè)不同的任務(wù)選項(xiàng),由于本節(jié)要進(jìn)行的是目標(biāo)檢測(cè)任務(wù),所以選擇第三個(gè)任務(wù)-ObjectDetectionwithBoundingBoxes。上下文推理方式-LabelingSetup2.4實(shí)踐標(biāo)注操作點(diǎn)擊第三個(gè)任務(wù)ObjectDetectionwithBoundingBoxes后,跳轉(zhuǎn)至如圖所示界面,在該界面的左邊添加圖片中目標(biāo)檢測(cè)的類型,因?yàn)橹粰z測(cè)圖像中的汽車,故共設(shè)置了兩個(gè)英文標(biāo)簽,分別為license和car。該界面右側(cè)為示例圖形,無(wú)需理睬。上下文推理方式-LabelingSetup2.4實(shí)踐標(biāo)注操作添加完標(biāo)簽后,便可點(diǎn)擊界面右上角的“Save”按鈕,跳轉(zhuǎn)至如圖所示界面,該界面中展示了所有載入的圖像。上下文推理方式-LabelingSetup2.4實(shí)踐標(biāo)注操作點(diǎn)擊任務(wù)主界面的第一張圖像,便可進(jìn)入該圖像的標(biāo)注界面,如上圖所示,在此界面先選中標(biāo)簽car,之后點(diǎn)擊圖像上汽車所在位置,鼠標(biāo)不放并拖動(dòng),便會(huì)出現(xiàn)一個(gè)矩形框,并且如果所畫的矩形框的大小和汽車的大小不匹配時(shí),點(diǎn)擊該矩形框,矩形框則會(huì)變?yōu)榭勺兇笮〔⑶铱梢苿?dòng)狀態(tài),此時(shí),通過(guò)拖動(dòng)或者改變矩形框大小,使得該矩形框與汽車大小完全匹配,使用同樣的方法,選擇license標(biāo)簽將車牌進(jìn)行標(biāo)注,如圖所示,標(biāo)注完成后點(diǎn)擊右上角的“Submit”即可。上下文推理方式-開(kāi)始標(biāo)注2.4實(shí)踐標(biāo)注操作上下文推理方式-開(kāi)始標(biāo)注2.4實(shí)踐標(biāo)注操作對(duì)于圖像的標(biāo)注過(guò)程也可以不在此處進(jìn)行,通過(guò)任務(wù)主界面,點(diǎn)擊界面中上方位置的LabelAllTasks按鈕,則會(huì)進(jìn)入到如圖所示界面。于該界面中同樣可對(duì)圖片進(jìn)行標(biāo)注操作,標(biāo)注完成后,點(diǎn)擊右上角的“Submit”按鈕即可跳轉(zhuǎn)到下一張圖像的標(biāo)注界面,如果當(dāng)前圖片中沒(méi)有車牌,則可點(diǎn)擊界面右上角的“Skip”按鈕,跳過(guò)該圖像的標(biāo)注過(guò)程。對(duì)于已經(jīng)標(biāo)記了的圖像,可通過(guò)左上角的<、>進(jìn)行圖像的切換,若想改變某張圖像的標(biāo)注內(nèi)容,則可通過(guò)<、>切換到該圖像,更新該圖像的標(biāo)注內(nèi)容后,點(diǎn)擊右上角的“Updata”即可。上下文推理方式-開(kāi)始標(biāo)注2.4實(shí)踐標(biāo)注操作上下文推理方式-開(kāi)始標(biāo)注2.4實(shí)踐標(biāo)注操作所有圖像標(biāo)注完成之后,便會(huì)跳轉(zhuǎn)到如圖所示界面,代表所有圖像均已處理完成。上下文推理方式-開(kāi)始標(biāo)注2.4實(shí)踐標(biāo)注操作點(diǎn)擊界面左上角的“LittelLicense”便可查看圖片的標(biāo)注情況,如圖所示,其中第一列數(shù)據(jù)代表圖像id,第二列代表標(biāo)注時(shí)間,第三列代表標(biāo)注與否,1為標(biāo)注完成,0為未標(biāo)注,第四列代表是否跳過(guò)標(biāo)注,1代表跳過(guò),0代表未跳過(guò)。上下文推理方式-開(kāi)始標(biāo)注2.4實(shí)踐標(biāo)注操作若要導(dǎo)出最終的標(biāo)注結(jié)果,則可點(diǎn)擊主界面右上角的“Export”按鈕,便會(huì)出現(xiàn)如圖所示界面,根據(jù)處理任務(wù)的不同會(huì)顯示不同文件生成結(jié)果,由于本節(jié)任務(wù)是目標(biāo)檢測(cè),所以,可以生成如圖所示的七類文件,若要導(dǎo)出哪種文件到本地,選中其后,點(diǎn)擊右下角“Export”即可。當(dāng)然,也可以將這七類文件全部導(dǎo)出。上下文推理方式-導(dǎo)出結(jié)果2.4實(shí)踐標(biāo)注操作將所需文件導(dǎo)出到本地后,可以進(jìn)行查看,以COCO數(shù)據(jù)為例,其會(huì)生成一個(gè)壓縮包,壓縮包中包含一個(gè)文件夾一個(gè)JSON文件,文件夾中包含所有圖片,JSON文件中會(huì)將所有圖片的標(biāo)注信息進(jìn)行記錄,如圖所示,左邊是圖像文件夾,包含所有剛才標(biāo)注的圖像,右側(cè)為JSON文件內(nèi)容,記錄了所有的標(biāo)注信息。上下文推理方式-結(jié)果展示2.4實(shí)踐標(biāo)注操作小結(jié)知識(shí)目標(biāo):(1)明確目標(biāo)檢測(cè)標(biāo)注方法(2)明確小目標(biāo)檢測(cè)標(biāo)注方法(3)熟悉目標(biāo)檢測(cè)與小目標(biāo)檢測(cè)間的區(qū)別思政目標(biāo):(1)工匠精神第二章
圖像任務(wù)標(biāo)注項(xiàng)目任務(wù)三
圖像語(yǔ)義分割標(biāo)注內(nèi)容概括概念典型應(yīng)用場(chǎng)景實(shí)踐標(biāo)注操作基于人工智能和深度學(xué)習(xí)方法的現(xiàn)代計(jì)算機(jī)視覺(jué)技術(shù)在過(guò)去10年里取得了顯著進(jìn)展。如今,它被用于圖像分類、人臉識(shí)別、圖像中物體的識(shí)別、視頻分析和分類以及機(jī)器人和自動(dòng)駕駛車輛的圖像處理等應(yīng)用上。許多計(jì)算機(jī)視覺(jué)任務(wù)需要對(duì)圖像進(jìn)行智能分割,以理解圖像中的內(nèi)容,并使每個(gè)部分的分析更加容易。今天的圖像分割技術(shù)使用計(jì)算機(jī)視覺(jué)深度學(xué)習(xí)模型來(lái)理解圖像的每個(gè)像素所代表的真實(shí)物體,這在十年前是無(wú)法想象的。圖像分割主要用于提取圖像中用于表述已知目標(biāo)的種類與數(shù)量問(wèn)題、目標(biāo)尺度問(wèn)題、外在環(huán)境干擾問(wèn)題、物體邊緣等的像素值。圖像分割從分割目的上被分為語(yǔ)義分割、實(shí)例分割以及全景分割。1.1概念通常意義上的目標(biāo)分割指的就是語(yǔ)義分割,圖像語(yǔ)義分割,簡(jiǎn)而言之就是對(duì)一張圖片上的相關(guān)像素點(diǎn)進(jìn)行分類,即對(duì)圖像中的每個(gè)像素都劃分出對(duì)應(yīng)的類別,實(shí)現(xiàn)像素級(jí)別的分類。和前邊的分類任務(wù)不同的是,語(yǔ)義分割不僅僅是使用矩形框框住某一類物體即可,需要將該類物體用某種像素值進(jìn)行標(biāo)注。1.2典型應(yīng)用場(chǎng)景1、自動(dòng)駕駛自動(dòng)駕駛是一項(xiàng)復(fù)雜的機(jī)器任務(wù),需要在不斷變化的環(huán)境中進(jìn)行感知、規(guī)劃和執(zhí)行。由于其安全性至關(guān)重要,因此還需要以非常高精度執(zhí)行此任務(wù)。語(yǔ)義分割提供有關(guān)道路上自由空間的信息,以及檢測(cè)車道標(biāo)記和交通標(biāo)志等信息,為自動(dòng)駕駛起到關(guān)鍵作用。1.2典型應(yīng)用場(chǎng)景2、地質(zhì)檢測(cè)語(yǔ)義分割問(wèn)題也可以被認(rèn)為是分類問(wèn)題,其中每個(gè)像素被分類為來(lái)自一系列對(duì)象類中的某一個(gè)。因此一個(gè)使用案例是利用土地的衛(wèi)星影像制圖。土地覆蓋信息是重要的各種應(yīng)用,如監(jiān)測(cè)地區(qū)的森林砍伐情況和城市化等。1.2典型應(yīng)用場(chǎng)景3、面部識(shí)別面部的語(yǔ)義分割通常涉及諸如皮膚、頭發(fā)、眼睛、鼻子、嘴巴和背景等的分類。面部分割在計(jì)算機(jī)視覺(jué)的許多面部應(yīng)用中是有用的,例如性別、表情、年齡和種族的估計(jì)。影響人臉?lè)指顢?shù)據(jù)集和模型開(kāi)發(fā)的顯著因素是光照條件、面部表情、面部朝向、遮擋和圖像分辨率的變化等。1.2典型應(yīng)用場(chǎng)景4、服飾分類由于服裝數(shù)量眾多,服裝解析與其他服務(wù)相比是一項(xiàng)非常復(fù)雜的任務(wù)。這與一般的物體或場(chǎng)景分割問(wèn)題不同,因?yàn)榧?xì)粒度的衣物分類需要基于衣服的語(yǔ)義、人體姿勢(shì)的可變性和潛在的大量類別的更高級(jí)別判斷。服裝解析在視覺(jué)領(lǐng)域中得到了積極的研究,因?yàn)樗诂F(xiàn)實(shí)世界的應(yīng)用程序即電子商務(wù)中具有巨大的價(jià)值。1.2典型應(yīng)用場(chǎng)景5、農(nóng)業(yè)場(chǎng)景精確農(nóng)業(yè)機(jī)器人可以減少需要在田間噴灑的除草劑的數(shù)量,作物和雜草的語(yǔ)義分割可以幫助他們實(shí)時(shí)觸發(fā)除草行為,這種先進(jìn)的農(nóng)業(yè)圖像視覺(jué)技術(shù)可以減少對(duì)農(nóng)業(yè)的人工監(jiān)測(cè),提高農(nóng)業(yè)效率和降低生產(chǎn)成本。1.3實(shí)踐標(biāo)注操作此處準(zhǔn)備了4張含有人的圖像用于標(biāo)注,分別包含了2個(gè)人,4個(gè)人、1個(gè)人和5個(gè)人。如圖所示。準(zhǔn)備數(shù)據(jù)1.3實(shí)踐標(biāo)注操作打開(kāi)label-studio,在頁(yè)面選擇“CreateProject”創(chuàng)建項(xiàng)目,命名為SemanticSegmentation,并添加相應(yīng)描述,如圖所示。創(chuàng)建項(xiàng)目1.3實(shí)踐標(biāo)注操作選擇“DataImport”,通過(guò)左上角的UploadFiles選擇準(zhǔn)備好的數(shù)據(jù),進(jìn)行導(dǎo)入。兩圖分別為導(dǎo)入數(shù)據(jù)前后的“DataImport”界面。導(dǎo)入數(shù)據(jù)1.3實(shí)踐標(biāo)注操作導(dǎo)入數(shù)據(jù)后,選擇界面上方的“LabelingSetup”,之后出現(xiàn)如圖所示界面,左邊列表為任務(wù)類型選擇列表,選擇第一項(xiàng)“ComputerVision”,然后在右側(cè)任務(wù)模板中“SemanticSegmentationwithMasks”模板類型。LabelingSetup1.3實(shí)踐標(biāo)注操作跳轉(zhuǎn)至如圖所示界面,在該界面的左邊添加圖片中被分割的物體分類,因?yàn)榇巳蝿?wù)只分割人像,故設(shè)置了一個(gè)英文標(biāo)簽,標(biāo)簽為person。LabelingSetup1.3實(shí)踐標(biāo)注操作添加完標(biāo)簽后,便可點(diǎn)擊界面右上角的“Save”按鈕,跳轉(zhuǎn)至如圖所示界面,該界面中展示了所有載入的圖像。LabelingSetup1.3實(shí)踐標(biāo)注操作點(diǎn)擊任務(wù)主界面的第三張圖像,便可進(jìn)入該圖像的標(biāo)注界面,如圖2-3-1-8所示,在此界面可以根據(jù)該圖像中包含的標(biāo)簽類型,選擇對(duì)應(yīng)的標(biāo)簽,比如此例要分割圖像中的人像,則選中person標(biāo)簽,之后根據(jù)任務(wù)大小在圖像右側(cè)的工具欄調(diào)整畫筆大小,并且可調(diào)節(jié)圖像大小,之后便可進(jìn)行人像圖像的描繪,將所有人像描繪完成便如下圖所示,如果畫錯(cuò),則可以選中工具欄中的橡皮將畫錯(cuò)部分擦掉,之后點(diǎn)擊右上角的“Submit”完成提交。開(kāi)始標(biāo)注1.3實(shí)踐標(biāo)注操作開(kāi)始標(biāo)注1.3實(shí)踐標(biāo)注操作當(dāng)然,對(duì)于圖像的標(biāo)注過(guò)程也可以不在此處進(jìn)行,通過(guò)任務(wù)主界面,點(diǎn)擊界面中上方位置的LabelAllTasks按鈕,進(jìn)入標(biāo)注界面后便可開(kāi)始進(jìn)行標(biāo)注,標(biāo)注完成后,點(diǎn)擊右上角的Submit按鈕即可跳轉(zhuǎn)到下一張圖像的標(biāo)注界面,如果當(dāng)前圖片不含人像,則可點(diǎn)擊界面右上角的Skip按鈕,跳過(guò)該圖像的標(biāo)注過(guò)程。更新該圖像的標(biāo)簽后,點(diǎn)擊右上角的“Updata”即可。開(kāi)始標(biāo)注1.3實(shí)踐標(biāo)注操作所有圖像標(biāo)注完成之后,便會(huì)跳轉(zhuǎn)到如圖所示界面,代表所有圖像均已處理完成。開(kāi)始標(biāo)注1.3實(shí)踐標(biāo)注操作點(diǎn)擊界面左上角的PersonSemanticSegmentation便可查看圖片的標(biāo)注情況,如圖所示,其中第一列數(shù)據(jù)代表圖像id,第二列代表標(biāo)注時(shí)間,第三列代表標(biāo)注與否,1為標(biāo)注完成,0為未標(biāo)注,第四列代表是否跳過(guò)標(biāo)注,1代表跳過(guò),0代表未跳過(guò)。開(kāi)始標(biāo)注1.3實(shí)踐標(biāo)注操作若要導(dǎo)出最終的標(biāo)注結(jié)果,則可點(diǎn)擊圖主界面右上角的“Export”按鈕,便會(huì)出現(xiàn)如圖所示界面,根據(jù)處理任務(wù)的不同會(huì)顯示不同文件生成結(jié)果,由于本節(jié)任務(wù)是圖像分類,所以,可以生成如圖所示的六類文件,若要導(dǎo)出哪種文件到本地,選中其后,點(diǎn)擊右下角“Export”即可。當(dāng)然,也可以將這六類文件全部導(dǎo)出。導(dǎo)出結(jié)果1.3實(shí)踐標(biāo)注操作將所需文件導(dǎo)出到本地后,可以進(jìn)行查看,通過(guò)上圖可知,對(duì)于語(yǔ)義分割任務(wù),可以生成BrushlabelstoPNG數(shù)據(jù),該結(jié)果會(huì)生成一個(gè)壓縮包,壓縮包中包含語(yǔ)義分割完的所有圖片,如圖所示。結(jié)果展示小結(jié)知識(shí)目標(biāo):(1)明確語(yǔ)義分割標(biāo)注相關(guān)概念(2)明確語(yǔ)義分割標(biāo)注方法思政目標(biāo):(1)工匠精神(2)人工智能對(duì)中國(guó)農(nóng)業(yè)發(fā)展的積極作用第二章
圖像任務(wù)標(biāo)注項(xiàng)目任務(wù)四
圖像實(shí)例分割標(biāo)注內(nèi)容概括概念典型應(yīng)用場(chǎng)景實(shí)踐標(biāo)注操作2.1概念圖像實(shí)例分割是在語(yǔ)義分割的基礎(chǔ)上進(jìn)一步細(xì)化,分離對(duì)象的前景與背景,實(shí)現(xiàn)像素級(jí)別的對(duì)象分離。所以圖像實(shí)例分割是基于語(yǔ)義分割的基礎(chǔ)上進(jìn)一步提升。實(shí)例分割相對(duì)于語(yǔ)義分割的區(qū)別在于,實(shí)例分割需要將同一類型的多個(gè)個(gè)體做區(qū)分,而語(yǔ)義分割則不需要。具體區(qū)別可通過(guò)上一節(jié)與本節(jié)案例獲悉。2.2典型應(yīng)用場(chǎng)景實(shí)例分割在目標(biāo)檢測(cè)、人臉檢測(cè)、表情識(shí)別、醫(yī)學(xué)圖像處理與疾病輔助診斷、視頻監(jiān)控與對(duì)象跟蹤、零售場(chǎng)景的貨架空缺識(shí)別等場(chǎng)景下均有應(yīng)用。例如百度的AI開(kāi)放平臺(tái)中的車輛檢測(cè)與類型識(shí)別功能便是很好的應(yīng)用了實(shí)例分割技術(shù)。2.3實(shí)踐標(biāo)注操作此處準(zhǔn)備了4張含有人的圖像用于標(biāo)注,分別包含了2個(gè)人,4個(gè)人、1個(gè)人和5個(gè)人。如圖所示。準(zhǔn)備數(shù)據(jù)2.3實(shí)踐標(biāo)注操作打開(kāi)label-studio,在頁(yè)面選擇“CreateProject”創(chuàng)建項(xiàng)目,命名為InstanceSegmentation,并添加相應(yīng)描述,如圖所示。創(chuàng)建項(xiàng)目2.3實(shí)踐標(biāo)注操作選擇“DataImport”,通過(guò)左上角的UploadFiles選擇準(zhǔn)備好的數(shù)據(jù),進(jìn)行導(dǎo)入。兩圖分別為導(dǎo)入數(shù)據(jù)前后的DataImport界面。導(dǎo)入數(shù)據(jù)2.3實(shí)踐標(biāo)注操作導(dǎo)入數(shù)據(jù)后,選擇界面上方的“LabelingSetup”,之后出現(xiàn)如圖所示界面,左邊列表為任務(wù)類型選擇列表,選擇第一項(xiàng)“ComputerVision”,然后在右側(cè)任務(wù)模板中“SemanticSegmentationwithPolygons”模板類型。LabelingSetup2.3實(shí)踐標(biāo)注操作點(diǎn)擊第一個(gè)任務(wù)“SemanticSegmentationwithPolygons”后,跳轉(zhuǎn)至如圖所示界面,在該界面的左邊添加圖片中被分割的物體分類,因?yàn)榇巳蝿?wù)只分割人像,故添加person標(biāo)簽。LabelingSetup2.3實(shí)踐標(biāo)注操作添加完標(biāo)簽后,便可點(diǎn)擊界面右上角的“Save”按鈕,跳轉(zhuǎn)至如圖所示界面,該界面中展示了所有載入的圖像。LabelingSetup2.3實(shí)踐標(biāo)注操作點(diǎn)擊任務(wù)主界面的第一張圖像,便可進(jìn)入該圖像的標(biāo)注界面,如所示,在此界面可以根據(jù)該圖像中包含的標(biāo)簽類型,選擇對(duì)應(yīng)的標(biāo)簽,比如要分割圖像中的人像,所以選擇person標(biāo)簽,選完之后,點(diǎn)擊其中一個(gè)人像的某點(diǎn)邊緣,便會(huì)出現(xiàn)標(biāo)記點(diǎn),然后沿著該人像的邊緣連續(xù)點(diǎn)擊,每相鄰點(diǎn)會(huì)自動(dòng)連接,直到最終再次點(diǎn)擊第一個(gè)標(biāo)記點(diǎn),則會(huì)出現(xiàn)一片紅色區(qū)域?qū)⑷讼穹指?,分割完成效果如圖所示,之后點(diǎn)擊右上角的“Submit”提交保存。開(kāi)始標(biāo)注2.3實(shí)踐標(biāo)注操作開(kāi)始標(biāo)注2.3實(shí)踐標(biāo)注操作當(dāng)然,對(duì)于圖像的標(biāo)注過(guò)程也可以不在此處進(jìn)行,通過(guò)上圖所示的任務(wù)主界面,點(diǎn)擊界面中上方位置的LabelAllTasks按鈕,進(jìn)入標(biāo)注界面后便可開(kāi)始進(jìn)行標(biāo)注,圖展示了標(biāo)注完成的效果,雖然圖中有兩個(gè)人,均使用person標(biāo)簽標(biāo)注即可,標(biāo)注完成后,點(diǎn)擊右上角的Submit按鈕即可跳轉(zhuǎn)到下一張圖像的標(biāo)注界面,如果當(dāng)前圖片不含人像,則可點(diǎn)擊界面右上角的Skip按鈕,跳過(guò)該圖像的標(biāo)注過(guò)程。對(duì)于已經(jīng)標(biāo)記了的圖像,可通過(guò)左上角的<、>進(jìn)行圖像的切換,若想改變某張圖像的標(biāo)簽,則可通過(guò)<、>切換到該圖像,更新該圖像的標(biāo)簽后,點(diǎn)擊右上角的Updata即可。開(kāi)始標(biāo)注2.3實(shí)踐標(biāo)注操作開(kāi)始標(biāo)注2.3實(shí)踐標(biāo)注操作所有圖像標(biāo)注完成之后,便會(huì)跳轉(zhuǎn)到如圖所示界面,代表所有圖像均已處理完成。開(kāi)始標(biāo)注2.3實(shí)踐標(biāo)注操作點(diǎn)擊界面左上角的PersonInstanceSegmentation便可查看圖片的標(biāo)注情況,如圖所示,其中第一列數(shù)據(jù)代表圖像id,第二列代表標(biāo)注時(shí)間,第三列代表標(biāo)注與否,1為標(biāo)注完成,0為未標(biāo)注,第四列代表是否跳過(guò)標(biāo)注,1代表跳過(guò),0代表未跳過(guò)。開(kāi)始標(biāo)注2.3實(shí)踐標(biāo)注操作若要導(dǎo)出最終的標(biāo)注結(jié)果,則可點(diǎn)擊圖主界面右上角的“Export”按鈕,便會(huì)出現(xiàn)如圖所示界面,根據(jù)處理任務(wù)的不同會(huì)顯示不同文件生成結(jié)果,由于本節(jié)任務(wù)是圖像分類,所以,可以生成如圖所示的五類文件,若要導(dǎo)出哪種文件到本地,選中其后,點(diǎn)擊右下角“Export”即可。當(dāng)然,也可以將這五類文件全部導(dǎo)出。導(dǎo)出結(jié)果2.3實(shí)踐標(biāo)注操作將所需文件導(dǎo)出到本地后,可以進(jìn)行查看,比如所需文件為CSV文件,則將CSV文件導(dǎo)出,如圖所示。結(jié)果展示小結(jié)知識(shí)目標(biāo):(1)明確實(shí)例分割標(biāo)注相關(guān)概念(2)明確實(shí)例分割標(biāo)注方法思政目標(biāo):(1)工匠精神(2)我國(guó)人工智能產(chǎn)業(yè)發(fā)展迅速第二章
圖像任務(wù)標(biāo)注項(xiàng)目任務(wù)四人物肢體關(guān)鍵點(diǎn)標(biāo)注內(nèi)容概括概念典型應(yīng)用場(chǎng)景實(shí)踐標(biāo)注操作1.概念在數(shù)據(jù)標(biāo)注中,機(jī)器學(xué)習(xí)工程師構(gòu)建模型的策略需要考慮到實(shí)際應(yīng)用場(chǎng)景。在檢測(cè)人類運(yùn)動(dòng)和情緒方面,關(guān)鍵點(diǎn)標(biāo)注尤為常用。關(guān)鍵點(diǎn)標(biāo)注是指通過(guò)人工的方式,在規(guī)定位置標(biāo)注上關(guān)鍵點(diǎn),例如人臉特征點(diǎn)、人體骨骼連接點(diǎn)等,常用來(lái)訓(xùn)練面部識(shí)別模型以及統(tǒng)計(jì)模型。與其他標(biāo)注類型不同,關(guān)鍵點(diǎn)標(biāo)注是用來(lái)標(biāo)注物體的骨骼輪廓而不是標(biāo)注物體外緣,這就是為什么人體和動(dòng)物的行為經(jīng)常用關(guān)鍵點(diǎn)來(lái)標(biāo)注。通過(guò)這種方式,模型可以檢測(cè)到物體的運(yùn)動(dòng)形態(tài)。2.典型應(yīng)用場(chǎng)景(1)人臉識(shí)別現(xiàn)在手機(jī)的解鎖方式大多都使用了人臉識(shí)別,在看似簡(jiǎn)單的人臉解鎖的背后,實(shí)際上是通過(guò)大量的標(biāo)注好的人臉數(shù)據(jù)集訓(xùn)練出的高性能模型而實(shí)現(xiàn)的。當(dāng)構(gòu)建一個(gè)人臉識(shí)別模型時(shí),工程師們查看關(guān)鍵點(diǎn)以測(cè)量重要的距離,比如你的眼睛到鼻子的距離,又或者眉毛到額頭的距離等等。分析這些關(guān)鍵點(diǎn)之后,模型可以學(xué)習(xí)到人臉的細(xì)節(jié)。在查看了數(shù)以千計(jì)的人臉關(guān)鍵點(diǎn)之后,你的模型就可以開(kāi)始檢測(cè)人臉特征。2.典型應(yīng)用場(chǎng)景(2)人體關(guān)鍵點(diǎn)及運(yùn)動(dòng)識(shí)別伴隨著科技的發(fā)展,職業(yè)體育運(yùn)動(dòng)也開(kāi)始產(chǎn)生了關(guān)鍵點(diǎn)檢測(cè)的需求。使用AI技術(shù)分析球員的運(yùn)動(dòng),能夠發(fā)現(xiàn)一些肉眼無(wú)法察覺(jué)的細(xì)節(jié)。此外,肌肉運(yùn)動(dòng)的輕微變化可能表明即將出現(xiàn)損傷,在損害發(fā)生之前進(jìn)行預(yù)測(cè)有助于預(yù)防并有可能延長(zhǎng)運(yùn)動(dòng)員的職業(yè)生涯。對(duì)于教練來(lái)說(shuō),在招募和評(píng)估運(yùn)動(dòng)員環(huán)節(jié),使用AI技術(shù)也可提高其甄別的效率和質(zhì)量。使用可靠的模型能夠檢測(cè)運(yùn)動(dòng)員的動(dòng)作并了解他們的技能水平,然后將這些數(shù)據(jù)存儲(chǔ)起來(lái),并通過(guò)這些數(shù)據(jù)對(duì)其他運(yùn)動(dòng)員進(jìn)行評(píng)估。教練還可以通過(guò)這些數(shù)據(jù)評(píng)估球員的優(yōu)勢(shì)所在,有助于高效率篩選出可用人才。2.典型應(yīng)用場(chǎng)景(3)醫(yī)療系統(tǒng)(通過(guò)關(guān)鍵點(diǎn)定位)在醫(yī)學(xué)應(yīng)用中也可以通過(guò)對(duì)病人的行走方式和關(guān)鍵點(diǎn)的變化來(lái)判斷病人是否受傷或者出現(xiàn)畸形,從而為醫(yī)學(xué)治療提供參考數(shù)據(jù)。(4)2.典型應(yīng)用場(chǎng)景除了專業(yè)運(yùn)動(dòng),關(guān)鍵點(diǎn)標(biāo)注和分析技術(shù)在虛擬運(yùn)動(dòng)軟件和輔助平臺(tái)中也發(fā)揮了重要作用。分析一個(gè)人的動(dòng)作,學(xué)習(xí)哪種健身方式才是正確的,并了解關(guān)節(jié)是如何運(yùn)動(dòng)的,有助于為日常健身愛(ài)好者提供反饋。比如未接受過(guò)專業(yè)指導(dǎo)的健身愛(ài)好者,很容易在健身過(guò)程中造成身體的損傷,但通過(guò)運(yùn)動(dòng)分析軟件便可以很好地掌握各種健身動(dòng)作所對(duì)應(yīng)的發(fā)力點(diǎn)以及動(dòng)作要領(lǐng),以達(dá)到運(yùn)動(dòng)的同時(shí)保護(hù)自己身體的目的。3實(shí)踐標(biāo)注操作此處準(zhǔn)備了圖像,圖像內(nèi)容是正在發(fā)生行走行為的人體圖像用于標(biāo)注。如圖所示。準(zhǔn)備數(shù)據(jù)3實(shí)踐標(biāo)注操作創(chuàng)建項(xiàng)目,項(xiàng)目名稱為“人體關(guān)鍵點(diǎn)標(biāo)注”,導(dǎo)入數(shù)據(jù),選擇模板“KeyPointLabeling”如圖所示。創(chuàng)建項(xiàng)目3實(shí)踐標(biāo)注操作創(chuàng)建項(xiàng)目一般人體關(guān)鍵點(diǎn)標(biāo)簽為如右圖所示。本項(xiàng)目出于復(fù)雜度考慮,自定義標(biāo)簽類型。3實(shí)踐標(biāo)注操作標(biāo)簽包括:(1)頭(2)肩(3)肘(4)手(5)髖(6)膝(7)足創(chuàng)建項(xiàng)目3實(shí)踐標(biāo)注操作保存項(xiàng)目后,單擊列表視圖中的“LabelAllTasks”開(kāi)始進(jìn)行標(biāo)注。開(kāi)始標(biāo)注3實(shí)踐標(biāo)注操作為了區(qū)別左右肩等,未標(biāo)記點(diǎn)增加meta信息。如右圖所示。按照此方法依次標(biāo)注出所有人體關(guān)鍵點(diǎn)。開(kāi)始標(biāo)注3實(shí)踐標(biāo)注操作單擊“Export”,在格式中選擇“JSON”,然后“Export”導(dǎo)出。導(dǎo)出結(jié)果3實(shí)踐標(biāo)注操作導(dǎo)出數(shù)據(jù)時(shí),選擇JSON格式。在導(dǎo)出結(jié)果中,x,y為每個(gè)關(guān)鍵點(diǎn)的坐標(biāo),keypointlabels為部位,meta部分包括注釋內(nèi)容。導(dǎo)出結(jié)果小結(jié)知識(shí)目標(biāo):(1)明確關(guān)鍵點(diǎn)標(biāo)注方法(2)熟悉關(guān)鍵點(diǎn)標(biāo)注結(jié)果導(dǎo)出格式思政目標(biāo):(1)了解人工智能輔助運(yùn)動(dòng)發(fā)展趨勢(shì)第二章
圖像任務(wù)標(biāo)注項(xiàng)目任務(wù)五
圖像全景分割標(biāo)注內(nèi)容概括概念典型應(yīng)用場(chǎng)景實(shí)踐標(biāo)注操作3.1概念與之前介紹的語(yǔ)義分割與實(shí)例分割不同,全景分割任務(wù)要求圖像中的每個(gè)像素點(diǎn)都必須被分配給一個(gè)語(yǔ)義標(biāo)簽和一個(gè)實(shí)例id。
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 【正版授權(quán)】 CISPR PAS 39:2024 EN-FR Electromagnetic compatibility (EMC) - Conducted emission requirements on the low voltage AC mains port in the frequency range 9 kHz to 150 kHz for eq
- 2025至2030中國(guó)現(xiàn)場(chǎng)護(hù)理測(cè)試(POCT)行業(yè)產(chǎn)業(yè)運(yùn)行態(tài)勢(shì)及投資規(guī)劃深度研究報(bào)告
- 2025至2030中國(guó)玉米油行業(yè)發(fā)展趨勢(shì)分析與未來(lái)投資戰(zhàn)略咨詢研究報(bào)告
- 家校聯(lián)結(jié)科技鋪路
- 智慧城市基礎(chǔ)設(shè)施的智能化運(yùn)維策略
- 智慧城市公共空間LED照明的智能化管理
- 從文化交流角度看籃球教育的國(guó)際化
- 教育游戲化設(shè)計(jì)原則與挑戰(zhàn)共克
- 商業(yè)培訓(xùn)中LMS的效果評(píng)估與案例分享
- 增強(qiáng)教育行業(yè)的數(shù)據(jù)保護(hù)能力與技術(shù)創(chuàng)新研究
- 招商大使選聘管理辦法
- 2025年公安機(jī)關(guān)人民警察(行政執(zhí)法)資格考試(客觀題及刑法)含答案
- DB3502∕T 166-2024 既有廠區(qū)及老舊小區(qū)海綿城市方案設(shè)計(jì)導(dǎo)則
- 2025年 江西省金控科技產(chǎn)業(yè)集團(tuán)有限公司招聘考試筆試試卷附答案
- 四川省成都市蓉城聯(lián)盟2024-2025學(xué)年高一下學(xué)期6月期末考試物理試題(含答案)
- 【人教版】吉林長(zhǎng)春2024-2025學(xué)年 五年級(jí)下學(xué)期期末數(shù)學(xué)試題【附答案】
- 福建省三明市永安林業(yè)(集團(tuán))股份有限公司招聘筆試題庫(kù)2025
- 2025-2030中國(guó)異松油烯行業(yè)前景預(yù)測(cè)與未來(lái)需求規(guī)模研究研究報(bào)告
- 中國(guó)熱射病診斷與治療(2025年)解讀課件
- DLT 5035-2016 發(fā)電廠供暖通風(fēng)與空氣調(diào)節(jié)設(shè)計(jì)規(guī)范
- 手機(jī)媒體概論(自考14237)復(fù)習(xí)題庫(kù)(含真題、典型題)
評(píng)論
0/150
提交評(píng)論