现在网络上关于深度学习算法的文章很多，但深度学习其实是数据驱动型。很多时候数据足够好，能给算法开发提供很大的便利。
因此，本文主要讲解数据标注。文章共两个部分：（1）数据标注综述（2）数据标注实践要点
本文是第二部分：数据标注实践要点。本文可能会帮助读者更直观的认识对图片标注中的问题。
1、要点来源
本文的标注要点来源于图像标注专家Adela Barriuso的标注笔记。她于2007年开始使用labelme系统地标注SUN数据库，标注了 超过25万个物体。笔记记录了标注过程中曾遇到的困难和采用的解决方案，以便得到一致性高的注释。
Adela Barriuso在西班牙的一家服装店里进行数据标注，这就是传说中的大隐隐于市吗？哈哈。
2、标注笔记
下面转述Adela Barriuso在数据标注中的心得。
我工作在一个服装店内。服装店从早上10点开到下午8点，仅在下午两点有个短暂的休息。
尽管工作时间很长，但有很多空闲时间。因为我是服装店的老板，所以可以在这段时间内做任何我想做的事。虽然我时刻准备好服务客户，但是在漫长的一天内，大多数时间是啥也不干的。在过去我经常读书，读的还很快，慢慢的我就失去了看书的乐趣。出于这个原因，我开始与LabelMe合作，去做一些有科学价值的事。
2.1 开始标注一张图片
在开始一张图片时，首先应该对图像有个整体的评估，衡量它的难度。如果该图片是一个开放空间，那么通常先标注大的物体，比如先开始标注天空，然后再继续添加其他东西。对于密闭空间，首先要标记天花板等。标记的顺序不重要，但是必须采用相对更容易的标注方式。在标注完天花板之后，就开始标注墙壁，然后是房间里的所有其他物体，最后是地板。在标注时，应该在一行中标注所有想通过类型的对象，以避免标注写错。
我从不会标注镜子里反射的物体。但是有趣的是，反射如何帮助检测一些无法清晰识别的对象。 在识别对象时，使用某种推理似乎具有重要作用。
Reference
Barriuso A, Torralba A. Notes on image annotation[J]. arXiv preprint arXiv:1210.3448, 2012.