计算机视觉项目中的类别管理

什么是类别体系？

类别体系是指计算机视觉系统能够识别和理解的不同类型对象的集合。这包括数据集中包含的各种类别，如不同类型的车辆、动物或部件。类别体系结构有助于计算机视觉系统根据定义的类别体系准确地识别、分类和理解图像或视频中的对象。例如，如果类别体系中只有“鸟类”这一类别，将训练一个模型来识别鸟类。如果选择一个更具体的鸟类类别（例如“知更鸟”），只要标注也更具体，生成的模型就可以更具体。

定义类别体系的最佳实践

在定义类别体系时，以下是一些建议的最佳实践：

尽可能标注最具体的类别。将类别合并为更广泛的类别比将一个类别拆分为更具体的部分要容易得多。例如，如果正在为清洁机器人创建数据集，应该为餐桌、咖啡桌和边桌创建标签，而不是为桌子创建一个单一的类别，因为如果以后需要机器人对不同类型的桌子有不同的行为，将不得不支付某人回去并为每个桌子进行分类，而不是简单地使用像Roboflow这样的工具合并类别。

确保所有标注者都在同一页面上。例如，如果自动驾驶汽车数据集中有一个半挂车类别，整个车辆包括拖车是否被标注为半挂车，还是只有驾驶室？无论哪种方式都是有效的，但重要的是它们都被以相同的方式标注。

确保有一些空示例。当模型部署到现实世界时，它并不总是能找到它正在寻找的东西。如果正在训练一个浣熊探测器，并且只给它提供浣熊的照片，它将学会认为一切都是浣熊，因为它不知道狗、猫和人的存在。

但不要有太多的空示例。同样，如果有太多的空示例，模型可能会学会其最佳策略是最小化其损失函数，即从不预测任何东西！

确保有包含多个类别的示例，如果这是在现实世界中可能遇到的情况。例如，如果正在收集用于调查珊瑚礁的鱼类图像，需要确保有包含多条鱼的示例，而不是每张图像中只有一条鱼。

介绍新的类别管理页面

现在可以在类别管理页面上管理所有类别。这包括在项目创建后添加新类别、重映射和重命名类别、删除未使用或不需要的类别，以及为每个类别分配自定义颜色。

添加类别到数据集：现在可以在开始标注过程之前添加类别。如果在新项目中，可以通过在类别页面输入类别名称的逗号分隔列表，然后点击添加类别来定义类别。如果有现有项目，可以通过选择添加类别，然后输入类别名称的逗号分隔列表来添加新类别。

重命名类别：让面对现实，有时在标注时会犯错误。也许最终得到了一些错误的标签，如“turck”或“Truck”，而不是“truck”。或者，如果只想删除所有的“黄色灯光”，可以通过选择修改类别并输入新的类别名称，然后选择应用更改来重命名类别。

合并类别：有时，可能希望将类别合并为一个类别。例如，如果希望模型在无人机数据集中将喷气式滑水板、汽车和船只都视为车辆，可以使用修改类别预处理步骤来实现这一点。警告，这是一个破坏性操作，将丢失原始类别标签。可以通过使用重映射预处理步骤在版本级别上进行类别重映射的实验。在这种情况下，如果决定实际上需要区分船只和喷气式滑水板，总是可以回到原始的类别体系。类似于重命名类别的步骤，可以通过选择修改类别并输入新的类别名称，然后选择应用更改来合并类别。

删除类别：可能不再需要一个类别，可能想要从数据集中永久删除它。可以使用删除操作删除类别的所有实例，这是不可撤销的。如果想尝试排除一个类别，可以使用重映射预处理步骤排除该类别。要删除类别，请单击修改类别，选择要删除的类别，然后应用更改。

更新类别颜色：有时，自动生成的类别颜色可能对标注者来说并不理想。可能希望增加图像背景和类别标签之间的对比度，或根据用例选择更合适的颜色，例如为缺陷选择鲜红色。要更改类别颜色，请单击颜色并在颜色选择器中选择新颜色。

良好的计算机视觉类别体系是有效、准确和可扩展的计算机视觉模型的基础。在开始标注过程之前深思熟虑地定义类别可以大大加快标注过程，减少标注错误，并提高模型性能。有了新的Roboflow类别管理页面，当需要这样做时，可以轻松地回去更新类别，继续创建最好的计算机视觉模型！