机器学习的图像标注是指对视觉数据进行标记，以便为模型创建训练数据集。该过程通常包括标记图像中的物体、区域或特征，以帮助算法识别模式。常见的标注类型包括边界框（围绕物体的矩形）、多边形（勾勒不规则形状）、关键点（标记姿态估计中关节等特定点）和分割掩码（像素级标签）。例如，自动驾驶汽车项目可能会使用边界框来识别行人和车辆，而医学影像系统可以使用分割来勾勒 MRI 扫描中的肿瘤。标注类型的选择取决于具体问题：物体检测需要边界框，而人脸识别等精细分析通常需要关键点。
开发者可以使用专门的工具来简化标注。LabelImg（用于边界框）和 CVAT（支持多边形和跟踪）等开源选项因其灵活性而广受欢迎。Scale AI 或 Amazon SageMaker Ground Truth 等商业平台则提供协作功能、自动化以及与机器学习流水线的集成。例如，CVAT 允许团队审查标注、跟踪进度并以 COCO 或 Pascal VOC 等格式导出数据。一些工具还利用预训练模型自动建议标注，从而减少人工工作量。选择工具时，应考虑可扩展性——涉及数千张图像的项目可能需要分布式标注团队——以及格式兼容性，以避免模型训练期间出现数据转换问题。
有效的标注需要一致性和质量控制。首先要定义明确的指南：决定是否标记被遮挡的物体，为边缘情况（例如，骑自行车的人是算一个物体还是两个？）设定规则，并记录下来。采用审查流程，由第二个标注者验证标签，以减少错误。数据的多样性至关重要；确保图像涵盖不同的光照、角度和背景，以防止模型偏差。例如，仅在白天图像上训练的无人机检测模型在夜间会失效。尽早将数据集划分为训练集、验证集和测试集，以避免数据泄漏。最后，对标注进行版本控制有助于跟踪更改和恢复错误。平衡这些实践可最大程度地减少返工，并确保模型性能可靠。