在制作机器学习数据集的时候，尤其是图片数据集的时候，可能会感到十分的繁琐，本文将介绍简化标注流程的一种思路。

1.收集数据集，清理数据集
2.手动标注部分数据集
3.将标注好的数据集用自己的模型训练
4.将未标注数据用模型进行预测，输出预测文件
5.将预测的数据重新导入标注工具，进行人工调整

接下来，介绍一个个人使用的，觉得比较方便标注工具CVAT

1.标注类型
边界框——识别追踪任务
多边形——分割任务
折线
点——用于标注姿势估计

2.标注格式
支持COCO，PASCAL VOC，YOLO…等多种数据格式的方便的导入导出。

3.标注辅助工具
(1) 边缘吸附

(2) 调节亮度

(3) 追踪

4.团队标注
（1）成员管理：成员注册，分组管理
（2）项目任务管理：添加项目，分发任务

5.相关链接
CAVT中文用户指南：https://blog.51cto.com/u_14691718/5063951
英文官方文档：https://openvinotoolkit.github.io/cvat//docs/
项目github地址：https://github.com/openvinotoolkit/cvat