駕馭AI：好的數據集是成功的一半

近期針對物體識別，訓練自有模型，有較大進展。因馬上春節了，事情繁雜，未系統梳理。先把思路簡要記錄如下。

主要是選取三張圖片，在研究數據、模型及訓練時，針對數據集做了標記，大家可以觀察下，有什麼規律？

註：此數據集含17125張圖片，在梳理時，通過對照VOC2012JPEGImages及VOC2012Annotations進行比對。圍繞 [ymin, xmin, ymax, xmax]以及 (x / width, y / height)等bounding boxes，核對圖像及xml中的label map。實際比對了上百張圖像數據，從中選取出代表性的三張。

三張圖片各有不同，均為生活典型場景。但對於數據集中的標註各有不同。因此，設計的model在識別時，效果就大為不同了。所以，數據集非常重要，必須根據工作目標做好標註，打好標籤，由此才能配合model，大量訓練，並最終提高識別準確率。

附，增加VOC2012SegmentationClass對比的情況：

最後，留下一個問題，如何識別出第二張圖中的自行車腳踏板？

大家可以類推場景。

主要參考link：

1. AI：深度學習及場景應用（物體識別）
2. The raw 2012 PASCAL VOC data set
3. Use your own dataset in Tensorflow Object Detection API

其餘還有如下，不再一一列舉。

推薦閱讀：