ARTICLE DETAIL

资讯详情

深耕郑州网站建设与运营推广的一线实战洞察。

CVAT 任务分配实操:3 个标注员如何盯住 8000 张图

CVAT 任务分配实操:3 个标注员如何盯住 8000 张图 CVAT 任务分配实操3 个标注员如何盯住 8000 张图【免费下载链接】cvatComputer Vision Annotation Tool (CVAT) is a leading platform for building high-quality visual datasets for vision AI. It offers open-source, cloud, and enterprise products, as well as labeling services, for image, video, and 3D annotation with AI-assisted labeling, quality assurance, team collaboration, analytics, and developer APIs.项目地址: https://gitcode.com/GitHub_Trending/cvat/cvat3 个标注员、8000 张图、周五要交第一版数据集。周一早上你把任务建好下午就想弄清两件事CVAT 任务分配到底怎么切标注进度跟踪在哪看。下面这套流程够你一个人跑完全程。一、动手之前先定三件事标签、分段、重叠区——这三件事在创建任务前就想清楚比事后返工便宜得多。标签少而准属性管住细节标签只留人车路障这种大类别把穿红衣服的人也做成标签。颜色、型号这类细节放属性里用下拉或单选项收住。先定体系再动手后面换人接手不用翻译。先定数据源再定 segment_size数据可以本地上传、走共享文件夹也可以接云存储大文件直接挂存储最省事。分段的旋钮叫segment_size它决定一个 Job 装多少帧。先估一下单 Job 耗时再反推分段数。重叠区做跟踪就留做单帧就不留overlap_size是相邻 Job 的重叠帧数。如果标签里有限制形状只许矩形、只许多边形同样在创建时定死。{ overlap_size: 10, segment_size: 100 }任务创建各选项的完整说明翻 任务创建文档 对照着填就行。二、把活切给对的人 分活没有标准答案按人的专长和手头的负载来。整包指派适合一个熟练工从头跟到尾的活比如整段视频的跟踪任务中途换人衔接成本高。在 任务详情页 的 Assigned to 一栏填上用户名保存即可。拆 Job 分派CVAT 已经按 segment_size 把任务切好了。你把不同 Job 指给不同的人各干各的。给谁谁手上活最轻谁最近没被驳回过就派给谁。挂 Reviewer给谁当审核员取决于他熟不熟这类数据而不是谁资历老。审核只挂在关键 Job 上不必全量覆盖。三、打开页面第一眼看到什么 看板就是两个地方任务详情页和 Jobs 页。任务详情页顶部是一条进度条它吃的是 Job 的stage全部 Job 走到 acceptance进度条才算走完。条下面一列是 Job 清单每行带状态标签和负责人扫一眼就知道谁卡在哪。Jobs 页 则把所有 Job 平铺成卡片左上角搜索框能按 assignee、stage、state 直接查右上角有排序和筛选器把某个人 in progress拉出来半天没动的 Job 立刻现形。四、标完≠能交付交付前每个 Job 要走过一条审核路审核员抽查 → 驳回并留意见 → 标注员修正 → 重新提交 → 审核通过。理解这条路记住两个维度就够了。state 看当下new、in progress、rejected、completed描述 Job 此刻处于什么工作状态。stage 看位置annotation、validation、acceptance描述 Job 在流程里走到哪一站。stage 在任务页统一改它直接驱动进度条。所以标完了只是 state 变 completed、stage 还在 annotation。想交付得先把 stage 推到 validation再推到 acceptance。驳回就是把 stage 拉回去、state 置为 rejected标注员修正后重新提交。具体怎么挂审核、怎么驳回看 质量管控文档。五、三个容易翻车的点 ⚠️segment_size 设太小8000 张图切出 200 个 Job交接和筛选都累。先算单个 Job 的合理工时再定分段。关键 Job 忘了挂 Reviewer标得再快没人验也没用。提交前过一遍列表高价值 Job 必须有名有姓的审核员。跟踪任务不留 overlap物体在 Job 边界被切断轨迹接不上。做跟踪类标注overlap_size至少留到覆盖一个物体的平均寿命帧数。下一步先去 CVAT.ai 自部署一套。【免费下载链接】cvatComputer Vision Annotation Tool (CVAT) is a leading platform for building high-quality visual datasets for vision AI. It offers open-source, cloud, and enterprise products, as well as labeling services, for image, video, and 3D annotation with AI-assisted labeling, quality assurance, team collaboration, analytics, and developer APIs.项目地址: https://gitcode.com/GitHub_Trending/cvat/cvat创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
返回列表