2D项目中，拉框和语义分割哪个好做又赚钱多
数据标注做的久了就会遇到一些新入行的生手，想要学习一些标注知识，想系统的学习的，今天刚好碰到了拉框和语义分割的项目，我们就从2D的这两种标注方式来进行一个浅显的学习吧
2D拉框
主要是用特定软件对图像中需要处理的元素(比如：人、车、动物等等)，进行一个拉框处理，同时用一个或多个独立的标签来代表一个或多个不同的需要处理元素
操作难易程度
2D是一个生手也可做的数据标注类型，操作相对简单，但在实际的标注工作中，有几个要点一定要注意
需要注意的问题
属性（障碍物）判断：例如自行车，行人，骑行的人，火车，小型机动车技其他标签的判断，这个一般在做项目之前，数据方都会提供标签的标准规范，根据要求进行标注即可；
准确度：哪些元素必须标，哪些不用标，哪些需要脑补......这些在做项目的过程中要做到心中有数；
贴合度：目前数据标注工作对于边缘精度要求越来越高，拉框也有严格贴合标准，在做的过程中一定要细心，耐心；
温馨提示
无论是拉框还是其他的标注项目，都是一个按件计薪的工作，因此并不是标的越快越好，准确度也要严格把握；
语义分割
对图像中每个像素进行分类，从而将图像分割成几个含有不同类别信息的区域
上图中的实例分割是语义分割的延伸，即在语义分割的基础上将同类物体中的不同个体的像素区分开
全景分割，则是更进一步结合了一个语义分割和实例分割，顾名思义就是要对每一像素进行检测与分割，同时也将背景考虑进去
不同分割任务的区别
语义分割，实例分割，全景分割这三个分割任务的精细程度是逐级递增的
语义分割：区分类别
实例分割：区分同一类别的不同个体
全景分割：在实例分割的基础上，区分背景（如天空，草地）
语义分割的注意事项
并非所有的物体都需要标注的，因此在对图像执行语义分割标注时，需要事先明确具体的标注对象
比如Z在自动驾驶领域，常见的标注对象包括车辆、行人、道路、车道线、路灯等具体内容；明确了内容以后，就可以使用多边形标注工具在标注平台内进行标注了
如何使用语义分割
因为语义分割会给图像中的像素加上标签，所以精确性高于其他形式的对象检测。这使得语义分割适用于各种需要准确图像映射的行业应用，比如：
自动驾驶 — 通过区分道路与障碍物，比如行人、人行道、电线杆和其他汽车，让汽车识别可行驶的路径
工业检测 — 用于检测材料中的缺陷，如晶圆检验
卫星影像 — 用于识别高山、河流、沙漠和其他地形
医学成像 — 用于分析和检测细胞中的癌变
机器人视觉 — 用于识别物体和地形并进行导航
写在最后的话
2D图片拉框是以矩形框的形式对图片上的物体进行标注打属性标签，操作相对比较简单，每天可以做出体量，而语义分割从视频中我们可以看到，它相对于图片拉框要复杂一些，类似与PS当中的抠图，操作复杂度稍微高一点，但是做单价格相对于拉框要高
语义分割的产值要略高于拉框，两者的基本规范要求差不多，主要是框和线与所标物体之间的贴合度这些，其他的没有太大差异
当然了如果大家是想要数据标注创业或者是数据标注团队，大家在接单的时候要考虑团队实力以及项目产值的综合要素来考虑是否接单做项目
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-