画像アノテーション
Potato で画像にアノテーションを付ける方法。分類、マルチラベルのタグ付け、バウンディングボックス、ポリゴン、ランドマークと、COCO/YOLO へのエクスポートを解説します。
画像アノテーションは、1 枚の画像に 1 つのラベルを付けるものから、ピクセル上に正確な領域（ボックス、ポリゴン、点）を描くものまで幅があります。 適切なレベルはモデルが何を必要とするかで決まります。分類器にはラベルが、検出器にはバウンディングボックスが、セグメンテーションモデルにはポリゴンが必要です。機能リファレンスは 画像アノテーション を参照してください。
画像全体の分類とタグ付け
ラベルが 1 つなら radio、複数なら multiselect を使います。画像分類のショーケース が動作する実例です。
yaml
annotation_schemes:
- annotation_type: multiselect
name: contents
description: "Select everything visible in the image."
labels: [Person, Vehicle, Animal, Building, Vegetation]領域：ボックス、ポリゴン、ランドマーク
位置特定では、アノテーターが画像上に直接描画します。
- バウンディングボックスは物体検出向け。
- ポリゴンは画像セグメンテーション向けで、物体の形状が重要な場合に使います。
- ランドマーク / キーポイントは姿勢や顔向け。
Potato の画像アノテーションは、これらの領域タイプをクラスごとの色とともにサポートしており、テキストにおけるスパンアノテーションと同じ仕組みです。
境界とラベル付けのルール
- タイトさ。 ボックスは物体にぴったり沿わせるのか、余白を含めるのか。一貫させましょう。
- オクルージョンと切れ。 一部が隠れた物体をどう囲むか決めます。
- 小さな物体と群集。 最小サイズと、密集した場面向けのルールを設定します。
これらのルールは、描画ツールそのものよりもはるかに一致度を左右します。
ビジョンモデル向けにエクスポート
Potato は画像アノテーションを COCO と YOLO 形式にエクスポートでき、検出やセグメンテーションの学習パイプラインがそのまま読み込めます。ML 向けにアノテーションをエクスポートする を参照してください。