标签：通过 img mamicode 变形 人力 计算机视觉 需求 增加 json
常见的病害类型有：龟裂、坑槽、车辙、松散、沉陷、桥头涵顶跳车、表面破损等等，这些道路病害的存在不仅会影响到道路的正常使用，还会增加潜在的交通隐患，影响行车安全。
因此，及时发现并处理道路病害是一件非常现实的需求。以往，发现道路病害主要依赖于人力巡检，随着人工智能计算机视觉技术的发展，目前已经实现通过机器自动检测识别各种道路病害。
不过机器本身是并不具备识别各种道路病害的能力，前期机器学习依赖大量标注数据的投喂。因此，今天就分享一例数据标注在道路病害图片标注领域的具体应用。
一.项目名称
某机构道路病害图片标注。
二.项目要求
为了机器学习识别道路病害，需要标注大量的病害图片以便训练和验证。
三.业务要求
☆公路病害分类标注：
参见：《JTG H20-2007公路技术状况评定标准》
☆城镇道路病害分类标注：
参见《cjj36-2016城镇道路养护技术规范》
四.技术要求
1) 基本原则：
☆定检和日常巡检的分开;
☆市政道路和公路的分开;
☆沥青和混凝土的分开;
☆如果一个图片只有一种病害，那么放在单独目录，例：定检\公路\沥青\龟裂\xx.jpg。
2) 把图片上的所有病害都用多边形标注出来;
3) 不同的病害类型和病害要分开标注;
4) 标注的结果，每个图片对应一个json格式的文件。
五.标注效果
以上经过标注后的图片即可用于相关机器学习，满足诸如道路病害检测机器人的需要，减轻道路巡检对人力的依赖，并提高识别道路病害的准确率。
标签：通过 img mamicode 变形 人力 计算机视觉 需求 增加 json
原文地址：https://blog.51cto.com/14624568/2485468
