关键点检测
=================================

在 **关键点检测** 中，模型通过学习物体的外轮廓及其关键点的位置信息，来识别物体的类别，并定位物体的方向、位置等信息。

    .. image:: Images/kp.png
        :scale: 100%

    .. raw:: html

        <div style="position: relative; padding-bottom: 0.25%; height: 0; overflow: hidden; max-width: 80%; height: auto;">
            <video width="80%" height="auto" controls>
                <source src="http://docs.welinkirt.com/static/videos/dw_kp-v6.mp4" type="video/mp4">
            </video>
        </div>

|

完成模型标注后，可以参考 :ref:`训练` 章节下的视频，创建数据集版本并训练部署。

模型选择情景
---------------------------------

**关键点检测** 模型可以用以检测图像中的一个或多个不同物体的数量及位置，并精确定位。

与 **实例分割** 模型相似, **关键点检测** 模型可以对一个或多个物体进行分割和定位。与 **实例分割** 模型不同的是， **关键点检测** 通过关键点可以更精确的定位物体，从而获得物体的准确位置，旋转姿态等信息。

标注方法
-------------

关键点模型需要首先定义组成的外轮廓掩膜名称，以及组成的关键点结构。

    .. image:: Images/kpAnno0.png
        :scale: 100%

使用多边形，或者智能多边形标注物体的外轮廓。

    .. image:: Images/kpAnno2.png
        :scale: 100%

外轮廓标注完成后，会自动进入关键点标注模式，需要依次点击关键点的位置进行标注。

    .. image:: Images/kpAnno5.png
        :scale: 100%

重复标注场景内所有的物体，如果场景内没有物体，请标注为空。

    .. image:: Images/kpAnno6.png
        :scale: 100%

标注时需要注意，关键点的位置以及顺序需要相对固定以获取最佳的模型效果。


注意事项
------------------

1. 标签命名时，使用描述性的标签。使用描述性的标签能够大幅度减小标记错误的概率，同时方便后续模型的实际应用。非描述性的标间因为与被标注物体之间关联性小，容易出现标注错误，同时在使用训练好的模型时，也难以快速分辨模型预测结果是否准确。

2. 关键点检测任务中的每一个标间组都包含一个多边形和一个或多个关键点。若标签组中无关键点，可能导致训练任务失败。

3. 对于每个标注的多边形，应至少有3个与该标签相关联的关键点。在选择关键点时，应选择代表对象且易于识别的关键点。例如，几何特征如圆形、角点或对象的中心是很好的选择。一般来说，寻找几何特征、纹理特征或任何其他形状和模式特征。避免使用没有特殊特征的平面点，或者与多边形边界过于接近的特征点。还要避免使用形成直线的关键点，因为这会降低倾斜角度的识别能力。

4. 不要标注关键点被其他对象遮挡的对象，因为在标签-关键点组合中中缺少对应的关键点将导致训练崩溃。

5. 与分割类似，在每个图像中仅标注顶层关键点-标签集，并避免标注被其他对象遮挡的对象。


练习
--------

从 `练习数据 <https://daoairoboticsinc-my.sharepoint.com/:f:/g/personal/nrd_daoai_com/EkNGNFG9C1ZCkejjwLZ4WOsBUQuhkn6apK4MSej2z1DfQA?e=ZOoc8v>`_ 中下载 keypoint_detection.zip

解压缩后您将得到11张图片和标注文件（.json）, 请您只上传图片到DaoAI World进行标注练习。之后可以一同上传图片和标注文件，对比结果。