图像贴标是将标签贴在图像上的过程。这可以是整个图像的单个标签，也可以是图像中每组像素的多个标签。

市场对图像标注的准确性要求越来越高，针对不同的应用场景衍生出了不同的图像标注方法。

语义分割是指根据物体的属性对复杂和不规则的图像进行区域划分，并标记相应的属性，以帮助训练图像识别模型。语义分割需要将交通场景中的图片按照语义用自定义的相框进行分割，区分行人、车辆、道路、标志、树木、建筑物等。它常用于自动驾驶、人机交互、虚拟现实等领域。

矩形框标注也叫拉框标注，拉框标注是图像标注中非常常见的一类任务，主要是指利用二维方框、三维方框、多边形方框等对图像中指定的目标对象进行标注。

语义分割

多边形标注是指使用多边形方框对静态图像中的不规则目标物体进行标注。与矩形框标记相比，多边形标记可以更准确地对物体进行框架，对不规则物体更有针对性。

矩形框标注

关键点标注是指在目标对象的指定位置标注关键点，例如在人脸图片上标注眼角、鼻尖、嘴角等关键点，或者在身体图像上标注骨骼或穴位的位置。

将2D图片中的车辆进行3D标记，主要用于训练自动驾驶人判断交汇或过桥车辆的数量。

三维点云标注是指从激光雷达采集的点云图像中找出目标物体，并以立方体盒的形式标注出来，包括车辆、行人、广告牌、树木等。

2D/3D融合标注是指对2D和3D传感器同时采集的图像数据进行标注并建立关联。该方法可以标记平面和立体物体的位置和大小，有助于自动驾驶模型增强视觉和雷达感知。

[

多边形标注

]目标跟踪从视频数据中逐帧捕获目标并标记该帧。广泛应用于军事制导、视频监控、机器人视觉导航、人机交互、医疗诊断等领域。

OCR翻译是对图像中的文本内容进行标记和翻译，以帮助训练和改进图像和文本识别模型。

关键点标注

属性判别是指通过人工或机器的配合对图像中的目标物体进行识别，并用相应的属性对其进行标注。