算力和資料是影響深度學習應用效果的兩個關鍵因素，在算力滿足條件的情況下，為了到達更好的效果，我們需要將海量、高質量的素材資料餵給神經網路，訓練出高精度的網路模型。吳恩達在深度學習公開課中提到，在算力滿足要求的前提下，模型效果會隨著素材數量的增多而變好，理論上沒有上限。實踐證明，在普通基於深度學習的應用開發過程中，素材的數量和質量對最終模型效果的影響出乎意料的大。注意這裡提到的“素材質量”，光有“素材數量”還不夠，我們還要保證素材標註的質量。本文以目標檢測應用為例，來說明如何保證影象素材標註過程中的質量。
常見目標檢測演算法
常見目標檢測演算法有SSD、Yolo以及Faster-RCNN等（實際上這是我用過的幾種），之間的區別可以上網搜到，我之前的部落格也有提到過，各有優劣。三種演算法模型訓練需要的素材格式基本相同：
- 二維影象檔案；
- 對應二維影象中人工標註出的感興趣目標資訊，包括目標座標/大小、目標型別，一般用（left,top,width,height,class）來表示；
模型訓練的過程就是將上述素材資料餵給神經網路，反覆優化，最後得到效果相對比較好的模型，然後模型就可以上線做推理了。各種目標檢測演算法模型最終推理輸出來的結果也基本一樣，對於給定的二維輸入影象，輸出該影象中檢測到的目標資訊，包括目標座標/大小、目標型別以及該目標的可信度，一般用一個list表示，list中每個元素格式為（left，top，width，height，class，score）。Score代表模型認為該目標的可信度，可以通過該值過濾部分檢測結果。
影象素材標註
通過這個PPT我們知道，深度學習模型訓練的過程就是不斷地調整引數，使用預先標註的具體素材資料不停地去擬合通用場景，最後能夠準確預測非素材集中的輸入。模型訓練需要大量素材標註作為基礎，就目標檢測而言，素材標註的過程就是人工用工具在影象中標出感興趣的目標，並生成標籤資料。
影象素材標註工具有很多，很多人在用的是labelimg，主要用於目標檢測素材標註：
如上圖，對於每張圖片，人工標出圖片中感興趣的目標，比如影象中的人、汽車、卡車等等。儲存後，每張圖片對應生成一個txt檔案，該txt檔案中記錄人工標註的結果：
如上圖，該圖片一共標出9個目標，2個Person、3個Car，4個Truck，每個目標對應一行，第一列表示型別ID（從0開始）。模型訓練時，將圖片和標註資料同時喂進神經網路，不斷調整引數，到達效果最優。
素材標註質量如何影響模型的準確性？
影象素材標註時，需要人工標出目標的大小/位置，用一個矩形方框表示，並給出目標型別，模型訓練時會根據標註的素材來調整引數。人工標註有時會出一些問題，比如目標矩形框位置不對（框子太大、太小、位置偏了），或者目標型別標錯，本來是一個人，人工給它標成了汽車。這些標註時的問題都會影響最終模型訓練的效果，仔細想一下，你不斷告訴神經網路人是車、而車是人，最後神經網路都分不清了。正常情況下，人工標註的方框大小、位置應該合適，矩形方框剛好將目標包圍住，如果框子太大、或者太小、甚至位置偏移了，都會影響神經網路對矩形方框中真實內容的判斷。
如果僅僅追求素材的數量而不顧素材標註的質量，即使數量再多，也沒有效果，實踐證明，模型效果反而越來越差。
影象素材標註重點
目標檢測用到的素材，在標註過程中需要注意以下幾點：
1. 標註方框大小合適
所謂大小合適，即矩形方框應該剛好將目標包圍住，之間的間隙不能太大，也不能太小。太大太小的話，最後模型在推理時，也會出現目標框得不準的情況，或者在視訊影象檢測中，出現前後幀目標抖動嚴重，不能鎖定。同時在標註的時候，一定要保證矩形方框包含了目標的輪廓資訊，因為輪廓資訊對於模型訓練來講很重要，它可以區分不同型別的目標。下圖示註的矩形方框太小：
2. 標註方框位置合適
原因跟上一條類似，下圖雖然矩形方框大小合適，但是明顯位置偏太遠了：
3. 需要豐富多視角的素材
這個其實跟素材的準備有關，我們不能只標幾種視角的素材圖片。在道路監控應用場景中，素材應該涵蓋各種攝像機視角，正前方、正後方、左側前方、右側前方、左側後方、右側後方以及俯視視角等等。每種視角的素材都應該被標註，這樣訓練出來的模型才有更大的通用性。
4. 目標被遮擋也要標註
不能只標註影象中完整的目標，被遮擋的目標，只要人眼能看清是啥的都應該被標註，並且矩形框只需要包含看得見的部分即可。這樣做的原因跟上一條類似，提高模型的通用性，實際應用場景中，很多目標被遮擋，模型仍然需要將其檢測出來，所以我們需要標註類似的素材。下圖道路擁堵，一些車身被遮擋，但是明顯可以分辨出是什麼目標：
5. 小目標也不能漏掉
雖然不同的演算法對小目標的檢測效果不同，比如Yolo對小目標檢測效果比較好，但是前提是我們需要準備小目標的素材標註。一張圖片素材中，近處的大目標需要標註，遠處人眼看得清的小目標同樣需要標註。原理跟上一條類似：只要人眼能分清是啥的小目標，都應該標出來。下圖遠處的小目標可以認出是小汽車：
6. 人眼分不清是啥的不要標
很多時候，由於素材圖片本身的原因、或者目標被遮擋大部分、或者遠處目標實在太遠，人眼無法分辨是什麼，雖然知道是一個目標，但是不知道它到底是汽車Car還是客車Bus甚至是人，這種時候不要標註。否則會給神經網路帶來誤導。下圖被遮擋部分太多，可以忽略不用標註：
如何保證素材標註的質量
上面說了這麼多，其實要保證素材標註質量的有效方式有兩條：
1. 不要光追求速度
給做素材標註的團隊強調，雖然有數量上的指標，但是指標不能定得太高，如果定得太高，大家都為了完成數量任務，自然會忽略了質量。最後標註質量肯定上不去，型別出錯、方框位置忽大忽小，必然需要大量返工。
2. 專人做素材稽核
專門找一小撮人做素材稽核，主要負責素材標註後的驗證，看看型別是否出錯，方框的位置、大小是否錯得離譜等等。千萬不要小看這項工作，它的作用跟code review一樣，容易被忽視，其實它提高效率不是一星半點。