任务4.2 目标检测深度学习数据集制作

学习目标

知识目标：

• 了解深度学习技术在环境感知中的应用；

  
  

能力目标：

• 能读懂VOC、COCO等常用深度学习数据集的文件结构，并能使用标注工具完成数据的标注，制作训练数据集。

素质目标：

• 通过数据集标注制作，能对工作成果的质量负责，培养学生的爱岗敬业、责任心和一丝不苟的工作精神。

  
  

任务描述

在过去的十年里，自动驾驶汽车技术取得了越来越快的进步，主要得益于深度学习和人工智能领域的进步，而深度学习离不开数据。在此任务部分，我们对深度学习定义及自动驾驶应用，数据集的组成等内容进行学习。在此基础上，安装数据集标注软件，完成数据采集、数据标注、数据集制作等任务。通过此任务学习，你将具备数据采集和数据集标注制作的能力，为将来智能网联车辆数据集标注工作打下基础。

任务准备

1.资料学习

课件中的视频⬇️

2.任务准备

完成工作页中的的任务准备部分。

任务实施

查阅实训手册和操作视频完成任务实施，并在工作页中记录任务实施记录。

安装编译指令⬇️

unzip labelImg.zip

cd labelImg

sudo apt install python3-pip

sudo apt-get install pyqt5-dev-tools

sudo pip3 install -r requirements/requirements-linux-python3.txt  -i https://pypi.tuna.tsinghua.edu.cn/simple

make qt5py3

pyrcc5 -o libs/resources.py resources.qrc

python3 labelImg.py

任务拓展

COCO 数据集

    官网: http://cocodataset.org

    MS COCO的全称是Microsoft Common Objects in Context，起源于微软于2014年出资标注的Microsoft COCO数据集，与ImageNet竞赛一样，被视为是计算机视觉领域最受关注和最权威的比赛之一。

    COCO数据集是一个大型的、丰富的物体检测，分割和字幕数据集。这个数据集以scene understanding为目标，主要从复杂的日常场景中截取，图像中的目标通过精确的segmentation进行位置的标定。图像包括91类目标，328,000影像和2,500,000个label。目前为止有语义分割的最大数据集，提供的类别有80 类，有超过33 万张图片，其中20 万张有标注，整个数据集中个体的数目超过150 万

labelme标注工具

https://github.com/wkentaro/labelme