需要做特定場景中物體檢測的資料集，對於資料標記中一些基本的思路，方法，原則沒有比較系統的認識。所以，希望通過參考一些常用的檢測相關的資料集的製作思路和方法，提升自己資料集的質量；

資料集著重要解決scene understanding 中的3個問題：
（1）detecting non-iconic views of objects；
iconic view 的特徵: 非遮擋，位置在圖片中心或為圖片主體，背景整潔；而現實場景中的檢測多半是non-iconic view；

（2）contextual reasoning between objects；
在一張圖片中如果有多個物體時，要識別其中的物體，往往要依賴於各個物體之間的關係以及整個圖片提供的資訊。因為，圖片中的物體尺寸，清晰度會多種多樣。
（3）precise 2D localization of objects；
實現畫素點級別，精確到不同例項的標註資訊；instance-level segmentation masks