如何注释图像分割的ground truth？

Question

我正在尝试训练一个执行图像分割的 CNN 模型，但是如果我有多个图像样本，我很困惑如何创建地面实况？

图像分割可以将输入图像中的每个像素分类为预定义的类别，例如汽车、建筑物、人或任何其他类别。

是否有任何工具或一些好主意来创建图像分割的基本事实？

谢谢！

Answer 1

对于语义分割，图像的每个像素都应该被标记。可以通过以下三种方式来完成任务：

1. 基于矢量 - 多边形、折线

2. 基于像素 - 画笔、橡皮擦

3. 人工智能驱动的工具

在Supervisely中，可以使用执行 1、2、3 的工具。

以下是比较多边形与人工智能工具的两个视频：汽车分割和食品分割。

有关 Supervisely 注释功能的更多详细信息可以在此处找到。