预备知识
深度学习中，有时候需要完成特定任务需要自制数据集，达到训练效果，以目标检测为例，任务就是在一张图片中画出一个框，框内为我们感兴趣的物体，yolov5s自带的模型结果如下:
假设我们的任务是检测锥桶，数据集是图片，我们希望将红色、蓝色、黄色锥桶检测出来，其实是大学生方程式赛车任务，效果如下：
通常我们需要自己打标签，这里用到工具是labelimg
1.1 安装anaconda，配置pyroch环境
这个和之前agx配置环境一样的，甚至简单许多，这里不再赘述。
1.2 安装labelimg
conda install labelimg1.3 运行labelimg
在虚拟环境内打开，命令行直接输入
labelimg
选择输入、输出文件位置；
选择标签格式，常用的三种格式都有，也有很多代码，可以格式相互转换不用担心
点击creat rectbox 输入标签
保存后会在设置的路径自动输出
快捷键：W画框，D下一张
输出的标签，txt或者yaml，txt是yolo格式 第一列代表类别，后边四列是归一化的中心的和长款。yaml是Pascal，不同的是保存绝对位置，但是对于一张图片来说，都存储的目标的位置。
ModelArts 智能标注
假设我们有200张图片，每个图片上有20个锥桶，一个锥桶5s，也要五多个小时。实际操作过都知道根本不可能完成的，而且200张图片的数据集也是很少的。因此探寻一种更高效的方法：半监督标注。网上有很多开源代码，但是都要配环境，重复实验，这里采用华为ModelArts 智能标注功能，目前是限时免费！https://console.huaweicloud.com/modelarts
2.1 控制台
首先进入控制台，进入modelarts页面,数据管理。（当然你需要自己先注册个华为账号，万一以后投简历说不定也用得到）
2.2 创建数据集
这里需要华为的obs路径，这个不是免费的，但是费用也不贵，类似于百度网盘，按需收费，可以先开通，充个两三块钱的样子，一天大概几毛钱（数据量不太的情况下，一两个G）。
因为自己以前就有，就没有重复创建了，下载obs browser速度应该更快一点，不过网页版本应该也可以。先将自己的数据上传到 obs 桶中。
还记得刚才的标签格式吗，这里也要保持一致，可以点击图中标注文件格式说明具体查看，我这里采用的是pascal，上传到数据集之前自己已经标了15张，后边解释。
2.3 智能标注
选择物体检测，数据集选择刚才的数据集，点击智能标注。可以看到这时候提示不少于5个样本，所以最开始需要我们手动标记一些，如果你确定已经上传好标签，只用耐心等一会儿，看到已经标签为15就可以开始了，选择精准型。
由于现在是8*v100，所以200多张的数据集他训练的很快，大概十分钟左右就完成了，可以看到有很多待确认的，可以看到第一遍还是有很多错误的，漏标，误检。这个页面类似于网页版本的labelimg，你可以修改结果，然后保存。
修改了几十张后（不需要都确认），就开始第二轮智能标注。可以明显感觉，第二次的准确的度都大幅度上升，然后再一次从待确认中确认部分图片。
2.4 发布数据
最后点击发布，东西就会存到了obs中，可以从obs中下载，然后去训练模型什么的，可以返回到本地labelimg看一下，当然这些都是手动确认后的结果，所以看起来还不错，也不知道是自己修改的多，还是他标记的多。
2.5 总结
虽然不是完全的自动化，但是半自动化标注其实到第二轮第三轮已经不错了，假如数据量很大，同时有手动标记了20%左右，可能效果就比较好。自己仅仅是实验尝试用的，所以才标记了15/200，就能有个说的过去的效果，还算可以。
目前网页还是有点点卡顿，要是能更流畅一点。不过限时免费，算上obs一天两毛钱，你就可以用上195一个小时的八张V100帮你打标签，真香，不知道服务什么取消。虽然之前觉得modelarts不好用，但是现在好多功能挺厉害的（但是有的需要收费）。
目前还有很多不懂的地方，比如这个其实数据集222张，但是很多是没有目标的，这些应该怎么导出空文件之类的还不是很懂。另外其实obs的日志还有很多东西，有看起来像是权重文件的，这个是不是就是自动学习了，不知道这个能不能利用。
后期打算把标签文件用作yolov5s的训练集，测试一下，看看能不能训练成功（虽然有点空手套白狼的感觉）虽然和agx，没啥关系，但是还是放在这个专题下了。
要是哪里可以有GPU羊毛可以薅的，会继续关注下。