Roboflow标注数据集

Roboflow是一款易于使用的在线 图像标注。

关键点标注

每个图像的标注包括：
1、边界框坐标（每个物品应该有一个边界框，用*[x1,y1,x2,y2]*格式即左上角和右下角点描述）；
2、关键点的坐标和可见性

详细操作如下：
1）在Roboflow中注册一个账号，然后登陆并单击Create New Project:

2)为项目命名，备注标注的组，选择项目的可见性，其中Private–完全私有（项目创建者和受邀成员可见）；Private Domain–域内私有；MIT–MIT 许可证（开源项目，学术共享）；CC BY 4.0–知识共享署名许可（公开数据集；BY-NC-SA 4.0–知识共享-非商业-相同方式共享（非盈利研究）；ODbL v1.0–开放数据库许可（地图/公共数据库），接着选择关键点检测，然后点击Create private Project :

3）创建类，添加自己需要创建的类，并且在该类中添加所需要创建的关键点

根据需求进行关键点的创建，可以进行关键点的连接和颜色的选择等操作。

去上传数据集，选择文件或文件夹

上传之后，点save and continue

4)标注数据集，可选择手动标注或roboflow标注，这里选择手动标注进行演示。

这里可以选择标注任务分配给团队的其他成员，演示例子选择分配给自己。

选择标注过程，点击第一张图片。

在需要进行关键点检测的袋子周围画一个矩形并为其设置类名bag，按enter:

拖动关键点，放置到需要检测的关键点位置上，标注情况如下图所示。

一张图标注的情况如图所示，接着进入下一张图的标注。

5)现在，标记完所有图像后，点击提交。
然后进入团队审阅，交给审阅人接受或拒绝

然后系统会询问希望以哪儿种比例（训练/有效/测试）分割这些图像，可以进行各种比例的分割或全部分为训练集或测试集等操作。

进行了训练集、测试集的分割后，可以对数据进行后处理和数据增强操作。默认情况下，会添加Auto-Orient和Resize等预处理步骤。选择完成之后，点击Create。

6）生成数据集后，下载该数据集：

选择需要导出的格式(不同标注任务支持导出不同的格式)和下载的选项，然后点击continue。

7)下载完的数据集的目录如下图所示，有文件 data.yaml 以及文件夹 train/images 和 train/labels等。文件 data.yaml 包含以下类名列表：[‘bag’]，和关键点配置kpt_shape: [5, 3]，表示关键点的 数量 和 每个关键点的数据维度。train/images 文件夹中的每个图像在 train/labels 文件夹中都有一个对应的同名 txt 文件。

到此为此，roboflow制作关键点的数据集已全部完成。

目标检测标注

对图像进行对象检测标注是指在图像上绘制和标注对象周围的边界框。
整体标注流程如关键点标注一样，唯一有点不同的在于第3）步中创建类时，只需要创建类的类型，不需要进行添加关键点；另外就是标注时，只需要对检测的对象进行画矩形的操作即可，如图所示。

图像分类标注

整体标注流程如关键点标注一样，唯一有点不同的在于第3）步中创建类时，只需要创建类的类型，不需要进行添加关键点；另外创建多个需要分类的类名。

分割标注

整体标注流程如关键点标注一样，唯一有点不同的在于第3）步中创建类时，只需要创建类的类型，不需要进行添加关键点；另外就是标注时，需要标注对象的边界，可使用的标注工具有多边形工具和智能多边形工具。推荐智能多边形工具，只需点一个目标，多边形就自动出来了，点击多边形内部可进行删除，点击外部可进行扩充。分割结果如图所示。