打造快速標示 Bounding Box工具

考慮有上千張圖像要標示

儘管在 github 已經有諸如 Labelme, labelImg 兩個相當流行的圖像標示工具, 功能 (類別標示, BoundingBox, Segmentation等等) 齊全. 基本上是瑞士小刀級的萬用工具, 但如果單獨看使用者的每次任務來進行動作研究分析, 很可能還是有優化空間. 例如:

  1. 以AOI為例, 如何幫助用戶快速找到足量的帶瑕疵區域的照片?

  2. 用戶是否用最少的動作就可以完成一張圖像的 Bounding Box 標示?

  3. 如何快速讓用戶回復誤標示, 讓用戶更放心快速標示?

我們假設用戶目標是要提高準確度, 降低偽陰性, 偽陽性等等指標, 這時候可不能光靠諸如 few-shoot learning. 而 transfer learning 雖然對模型將有極大的助益, 但是要提高模型到一定的實用價值的準確度, 所需要標示的圖片很容易是以千張計. 宏觀來看一位標示人員連續標示數百張圖片時, 就有相當的優化空間.

假設已經完成前一個標示圖片分類小工具, 我已經有一點基礎在標示連續多張的圖片, 接著我們針對 每張圖片的 bounding box 標示進行動作上優化.