Разметка данных полигонами (Polygon annotation)

Что такое Polygon?

Polygon — это инструмент разметки данных, предназначенный для выделения объектов на изображении и их последующей классификации. В отличие от более простых инструментов, таких как Bounding Box, он позволяет с высокой точностью размечать объекты со сложными контурами.

Как это работает? 

Основной принцип работы с Polygon заключается в последовательном размещении точек по контуру объекта. Эти точки, называемые вершинами, соединяются прямыми линиями, образуя замкнутую фигуру — многоугольник. 

Такой подход обеспечивает максимально точное выделение объектов, независимо от их формы, и позволяет избежать захвата лишнего пространства вокруг объекта, что особенно важно для задач, требующих высокой детализации.

Где используется разметка полигонами?

Разметка данных с помощью полигонов чаще всего применяется для сегментации объектов в задачах компьютерного зрения.

Сегментация — это процесс разделения изображения на области, соответствующие отдельным объектам или классам объектов.

Существует три вида сегментации:

• Семантическая сегментация (Semantic Segmentation) — это метод сегментации, при котором каждый пиксель изображения классифицируется как принадлежащий определенному классу объектов, например, «человек», «здание», «дерево» и так далее.
• Сегментация экземпляров (Instance Segmentation) — подход, при котором объекты одного класса не только идентифицируются, но и разделяются на отдельные экземпляры. Например, на изображении с несколькими людьми каждый человек будет выделен как уникальный объект, даже если все они относятся к одному классу «человек».

• Паноптическая сегментация (Panoptic Segmentation) объединяет преимущества двух предыдущих методов. Она позволяет классифицировать пиксели изображения по их классам и одновременно разделять экземпляры объектов внутри одного класса. Например, на изображении можно выделить каждого человека по отдельности, а пиксели фона — как объекты, которые не имеют отдельных экземпляров («небо», «дорога»).

Пример задачи сегментации:
Представим, что необходимо обучить модель распознавать автомобили на дорогах. Для этого создается набор данных, в котором каждый автомобиль размечен с помощью Polygon.

В процессе обучения модель анализирует размеченные изображения, чтобы научиться распознавать автомобили среди других объектов на новых изображениях и выделять их границы. Результатом работы модели становятся сегментационные карты, помогающие решать задачи автоматизации, например, в системах беспилотного вождения или городского мониторинга.

Сферы применения

Чтобы оценить, насколько универсальна разметка с помощью Polygon, рассмотрим еще несколько примеров ее применения в разных областях.

Медицина

Полигон активно применяется для анализа медицинских изображений, таких как рентген, МРТ или КТ. С его помощью можно выделять анатомические структуры, точно очерчивать опухоли, сосуды, органы или другие области интереса. Это особенно важно при диагностике заболеваний, где необходимо точно локализовать и оценить размер патологий для планирования лечения.

Геоинформационные системы

В задачах геоаналитики разметка с помощью Polygon используется для обработки спутниковых снимков. Она позволяет очерчивать границы различных объектов, таких как города, лесные массивы, реки или дороги. Это необходимо для изучения изменений окружающей среды, планирования инфраструктуры или мониторинга последствий стихийных бедствий.

Розничная торговля

В ритейле разметка изображений с помощью Polygon помогает анализировать расположение товаров на полках, выявлять ошибки в выкладке и оптимизировать их размещение. Например, при автоматическом анализе фотографий магазинов полигоны позволяют точно определить области, занятые конкретными продуктами.

Сельское хозяйство

Polygon широко применяется в сельском хозяйстве для мониторинга состояния полей, оценки урожайности, выявления болезней растений и слежения за животными. Он помогает точно определять границы угодий, анализировать состояние почвы, локализовать пораженные участки и отслеживать активность скота, способствуя повышению эффективности и рациональному использованию ресурсов.

Спортивная аналитика

Также Polygon используется для анализа видеозаписей спортивных мероприятий, помогая выделять игроков и их траектории движения. Например, в футболе полигоны применяются для определения позиций игроков и мяча на поле, что используется в разработке систем тактического анализа.

Как создать Polygon?

Создание Polygon — это процесс, который может выполняться как вручную, так и с использованием автоматических алгоритмов. В этой статье мы подробно рассмотрим ручной способ разметки, так как он является предпочтительным при создании высококачественных данных для обучения моделей.

Инструменты для создания Polygon 

Первое, что нужно сделать, это выбрать программное обеспечение, с помощью которого будет осуществляться разметка. 

Существует множество инструментов, которые поддерживают разметку данных с использованием полигона. Среди наиболее популярных:

• CVAT (Computer Vision Annotation Tool)
• LabelStudio
• LabelMe
• Labelbox
• SuperAnnotate
• RectLabel
• Supervisely
• Roboflow

Этапы создания Polygon 

Процесс создания полигона включает следующие этапы:

1. Определение объекта разметки

Первый шаг — это выбор области изображения, которую необходимо аннотировать. Например, это может быть контур автомобиля, человека, животного или архитектурного объекта. 

2. Выбор начальной точки

Далее на контуре объекта создается начальная точка. Эта точка становится первой вершиной полигона, с которой начинается построение его формы.

3. Добавление вершин

После создания начальной точки последовательно добавляются новые вершины. Эти вершины соединяются между собой прямыми линиями, образуя стороны полигона.

Важно отметить, что плотность вершин может варьироваться в зависимости от сложности контура. Например, на участках с изогнутыми или неровными линиями добавляется больше точек для более точного повторения формы объекта, в то время как на прямых участках их количество можно сократить для ускорения процесса разметки.

4. Замыкание полигона

Когда все вершины добавлены, необходимо завершить полигон, замкнув его, соединив последнюю точку с первой. Это создает замкнутую область, точно повторяющую контуры объекта.

5. Проверка точности 

Завершающим шагом является проверка точности полигона. Если в процессе добавления вершин были допущены ошибки, необходимо скорректировать расположение точек, чтобы форма полигона была максимально точной.

Сравнение Polygon с Bounding Box

В разметке данных для машинного обучения Polygon и Bounding Box — это два наиболее популярных инструмента. Но несмотря на то, что оба метода предназначены для локализации объектов, их подходы и особенности значительно отличаются.

Polygon позволяет создавать многоугольники, которые точно следуют контурам объектов, независимо от их форм. Это делает инструмент идеальным для детализированной разметки объектов со сложными или неровными границами, где важно точно выделить только объект, исключив лишние области.

Bounding Box, в отличие от Polygon, представляет собой простой прямоугольник, который обрамляет объект. Этот подход отличается скоростью и простотой разметки. Однако он менее точен, особенно в случаях, когда объекты имеют сложные формы. Bounding Box часто включает в себя области, которые не принадлежат объекту, что может снижать качество данных для задач, где требуется высокая детализация.

В чем преимущества Polygon?

Polygon выигрывает в точности и гибкости. Он позволяет точно размечать объекты любой формы, но его использование требует больше времени и усилий, что может увеличивать затраты на разметку.

Когда лучше использовать Bounding Box?

Bounding Box является оптимальным решением для задач, где форма объекта не играет ключевой роли, а основное внимание уделяется скорости обработки. Это особенно актуально при разметке больших объемов данных для задач обнаружения объектов в реальном времени, где высокая точность границ не является критически важной.

Конечный выбор между Polygon и Bounding Box зависит от специфики задачи, доступных ресурсов и временных ограничений. Если требуется высокая точность разметки и объект имеет сложные контуры, предпочтение отдается Polygon. В случае, когда важна скорость разметки, Bounding Box становится более эффективным решением.

Ключевые выводы

Polygon — это мощный инструмент для точной разметки объектов на изображениях, который используется в широком спектре задач, от медицины до автономных транспортных систем. Его основное преимущество заключается в возможности точно выделять контуры объектов, что важно для задач, требующих высокой детализации. 

Несмотря на более сложный процесс разметки по сравнению с Bounding Box, Polygon играет ключевую роль в создании качественных данных для обучения моделей машинного обучения.