实战案例丨 ModelArts 在数据标注、数据过滤上的应用技巧:自动分组

发布于: 2020 年 07 月 25 日
实战案例丨ModelArts在数据标注、数据过滤上的应用技巧:自动分组

大量复杂、乱序的图片依次标注效率极低,如果一次可以标注一大片的图片将极大地提升标注效率。



自动分组识别并提取图像特征,通过ModelArts先进的聚类算法可以将所有图片分组:将特征相似的图片归为一类,将特征差别大的图片群分离。



在花朵识别项目中,需对大量无标注的花朵图片进行标注,依次乱序标注蒲公英、郁金香、向日葵等将耗费大量宝贵时间



分组标注场景





启动自动分组,我们事先知道花朵数据集中存在5个类别,为他们分组6类(聚类算法不能保证一定将5类别完全区分出来,需更细化地分组,于是往往分组数需大于实际类别数):





过约3分钟后,通过筛选条件,我们可以得到自动分组的结果,如第1类几乎都是郁金香的图片,第3类几乎都是蒲公英的图片。



第1类





第3类





于是选择当前页 -> 输入蒲公英 ,即可直接对他们一次性进行标注。





当然并不是每个组都是完美的,如一个组中大多都是向日葵,但还夹杂着非洲菊 。此时选择当前页后,去掉相应非向日葵图片左上角的勾即可:





现实中的真实图像数据量少,往往无法满足深度学习网络训练数据量的要求,于是开发者们一般选择网络爬取需要的图片,但爬取下来的图片风格迥异、噪声杂多,想要从中提取需要的图片工作量是巨大的。



ModelArts提供的自动分组算法除了在分组标注上功能强大,在数据过滤场景上也是奇技淫巧 。



在安全帽项目中,由于实际安全帽图像过少,从谷歌爬取了大量安全帽相关图像(约3000张)





但是这些并不全是我们想要的“安全帽”,我们需要工地为背景,且工人类型的安全帽。



于是在自动分组中我们对这些图像细分为10个组(越大的分组数对数据集分组越细,能分离出更多噪声图像),以下为部分组的展示:



第0组





第1组





第4组





第9组





显然类似第1组和第9组的图片才是我们需要的结果,第1组和第4组浏览大致后可以全部删除,选择当前页并删除:





删掉噪声图像后,只剩下约1600张,过滤了快50%的图像





当然如果还存在很多噪声,我们继续进行分组,对剩下的1640张图再自动分组10个类



可以看到,依旧有许多与安全帽不相干的图像如:





再一次浏览所有分组,对数据进行清洗,最终只剩下1008张图像,过滤了约65%的噪声图像,极大地降低了标注的压力。





点击关注,第一时间了解华为云新鲜技术~

发布于: 2020 年 07 月 25 日 阅读数: 6
用户头像

传送门:https://bbs.huaweicloud.com/ 2020.07.14 加入

华为云开发者社区,提供全面深入的云计算前景分析、丰富的技术干货、程序样例,分享华为云前沿资讯动态,方便开发者快速成长与发展,欢迎提问、互动,多方位了解云计算!

评论

发布
暂无评论
实战案例丨ModelArts在数据标注、数据过滤上的应用技巧:自动分组