计算机视觉的图片标注有很多种，应用也各不相同，那么下面一起了解下计算机视觉的图片标注类型及应用!
图片标注类型
在深入研究计算机视觉的图片标注用例之前，有必要了解图片标注的各种方法。让我们一起分析常见的图片标注技术。
1.边界框
多功能且直接的边界框是计算机视觉中常用的图像注释类型之一。边界框包围对象并协助计算机视觉网络找到感兴趣的对象。创建很容易，只需要指定框的左上角和右下角的X和Y坐标。边界框几乎可以应用于任何物体，可以大大提高物体检测系统的准确性。
2. 多边形分割
多边形分割是另一种图像注释技术，也是边界框背后理论的扩展。它帮助计算机视觉系统找到目标，复杂的多边形比简单的盒子更能准确地检测到目标的位置和边界。与边界框相比，多边形分割可以切掉目标边缘的噪声/无用像素，避免混淆分类器。
3.线路标注
线条标注创建直线和曲线，主要用于描绘图像的各个部分。当需要标记和划定的部分太小或太细而无法通过边界框等方法绘制时，可以使用线标记。直线和曲线易于标注，常用于训练仓库机器人识别传送带上零件的差异，或训练自动驾驶车辆识别车道。
4.特征点的标注
计算机视觉系统的第四种图片标注是特征点标注。因为它在图像上创建点，所以有时称为点标记。只需几个小点，就可以将画面中细小复杂的物体进行分类。然而，特征点标注通常使用许多点来描述目标的轮廓或框架。特征点的大小各不相同，较大的点有时用于区分区域内的重要/标志性区域。
5.三维长方体
3D 长方体是一个非常强大的图片标注，很像一个边界框，可以帮助分类器找到对象。但三维长方体具有长宽高的三维成像，锚点一般位于目标边缘，点用线填充。物体以三个维度呈现，允许计算机视觉系统学习区分三维空间中的体积和位置等特征。
6.语义分割
语义分割是一种将图像划分为不同区域的图片标注方法，可以对图像中的每个像素点进行分类。图像的语义/定义上不同的区域被彼此分割。例如，图片的一部分可能是“天空”，另一部分可能是“草地”。语义分割的关键是每个区域都由语义信息定义，图像分类器对属于该区域的每个像素进行分类。
图片标注类型用例
1.边界框标注
边界框用于计算机视觉图像注释，以帮助网络定位对象并协助创建定位和分类对象的模型。常见用途包括检查目标相互冲突的情况。边界框和物体检测显然用于自动驾驶系统中以定位道路上的车辆。此外，它还可以用来对建筑工地的目标进行分类，分析工地安全，让机器识别不同环境中的目标。
边界框用例：
利用无人机镜头监控建筑对象，从地基铺设到建筑物准备好入住，识别杂货店的食品和其他物品，自动监控结账过程，并检测车辆的外部损坏以进行详细的保险理赔分析。
2. 多边形分割
多边形分割用许多复杂的多边形注释对象，能够捕获不规则形状的对象。当需要精度时，多边形分割比边界框更有效。由于多边形可以勾勒出物体轮廓，去除边界框的噪声，提高模型精度，多边形分割在自动驾驶中很有用，可以突出标志和路标等不规则物体，定位车辆比边界框更准确。它还可以用于准确标记许多不规则物体，例如卫星和无人机检测到的物体。多边形分割也比边界框更适合准确检测水生生物。
