最近笔者的工作中看到了一些关于图片标注的图片，目前这些图片识别准确率已经非常高，但是任然有一些错漏之处，总的来说可以归为以下几大类：

1.标注范围不够精准，有时候将一些无用的空白处也囊括在标注范围内

2.人脸识别出错。某些地方其实并不存在人，但是却被标注到了一个人脸。

3.人脸后脑勺被识别出人脸。

4.被遮挡的人和车部分未被识别出来。

5.遮挡物本身被识别为车辆，实际上那里没有车辆。

要解决这些问题并非易事，笔者并非从事人工智能这个行业，暂且将目前的人工智能底层算法看待为统计学，在此基础上提出一些浅陋的思路。

一、一流的原始标注数据才能训练出一流的识别算法，原始数据必须精准，丝毫不差，宁要质量不要数量。

二、笔者曾经看到过dota2的人工智能OpenAI发布的一篇文章提到的一个思路，就是将大的训练任务拆解成各种小任务单独训练，最后通过规则再组合，这种办法看似增加了很多复杂度，但实际上是将复杂度从n^2变为了2n。

在这个整体思路下，具体的问题也就有了解决的可能。

1.提高原始训练数据的质量即可

2.人脸的出现的地方其实都是有迹可循的。人脸出现的地方无非就是出现在行人、摩托车、汽车标识之中。对于未出现在此处的人脸，要提高准确率阈值，比如出现在以上三类的阈值为80%、而未出现的阈值则为95%。（目前笔者接触的标识数据中车牌识别100%出现在标识为车辆的标注数据里）

3.人脸这里需要单独训练。

4.这个问题是个比较棘手的问题。

一个简单思路是，原始数据标注中只有大于50%露出面积才标注出来，同时需要运用自己的空间想象能力将被遮挡部分也标注进去。

另外一个解决方法则比较复杂，一是需要将所有的原始标注数据抠图，忽略掉其中的无关信息，且比对算法能满足这种需求。二是单独训练互相遮挡的标注数据，过了一遍基础算法后，再过一遍遮挡车辆或人的独立算法。

5.方法同上，抠图后无关信息被忽略掉后，遮挡物本身也就不再会被识别。