以下介紹的幾種標籤製作方法，可以製作目標識別的矩形標籤，也可以製作畫素級別的分割標籤，製作的標籤為單通道 uint8 型別的格式。可以根據自己的需要進行選擇合適的方法。
介紹：
採用python語言進行編譯的工具，通過滑鼠進行選擇點，然後自動將點鏈結成乙個mask。目標範圍內為1，非目標為0；儲存的檔案不是直接的mask。而是乙個json檔案，需要用命令列**進行轉化，每乙個json檔案轉化為乙個資料夾，資料夾內就包含了原圖和mask，所有的mask名字轉化後都為同乙個名字。然後需要將每乙個mask拷貝出來，然後重新命名，比較繁瑣。
介紹：
本程式基於matlab的roipoly函式，來編寫的乙個簡單的mask製作程式。本程式的特點是可以連續標註，標註乙個資料夾內的所有，然後將標註好的mask以原圖的名字儲存到指定資料夾內，可以實現連續標註。不好的地方就是無法修改，一旦某一張錯誤，那麼只能將所有標註完後，再單獨標註錯誤的。標註的方法和方法1一樣。
介紹：
基於matlab官方出的乙個標籤製作包，用起來比較好用，當然對電腦要求也比較高。標註相對於上面兩種也更加的精確。可以實現目標檢測標籤製作，也能實現畫素級分割標籤製作。最後匯出的標籤以label+序號的形式。對於瀏覽過的都會生成mask，不管你是否有標註。
68 深度學習 畫素級標註與體素級標註
0 引言 2012年alexnet橫空出世以來，深度學習在高層語義特徵的識別與分割上大獲成功。然而，基於極大量影象級或者邊界框級標註資料的深度學習方法在實際應用中存在很多限制。1 標註粗略，很多目標本身並不是方形，採用方形標註會引入誤差資料 2 邊界框標註訓練出來的框架分割精度不會達到超人檢測精度，...
二級標籤的製作
很多網頁會用到二級標籤，那麼二級標籤是怎麼製作的，今天來介紹一下 首先，我們先寫一組一級標籤，然後在需要設定二級標籤的一級標籤裡面嵌入一組二級標籤，示例如下 class menu 首頁li 新聞 class menu icon lorem ipsum dolor sit.li lorem ipsum...
深度學習 標籤平滑
標籤平滑採用如下思路解決這個問題 在訓練時即假設標籤可能存在錯誤，避免 過分 相信訓練樣本的標籤，也就避免了過擬合。具體例項如下 1 假設某個三分類問題，最終的 輸出為 1.5.4.經過softmax函式之後，就可以得到 2 假設該樣本的初始label為 0,1,0 則對應的損失函式，使用交叉熵計算...