本文目录导航：
数据标注是做什么的
首先谈谈什么是数据标注。
数据标注有许多类型，如分类、画框、注释、标记等等，我们会在下面详谈。
要理解数据标注，得先理解AI其实是部分替代人的认知功能。
回想一下我们是如何学习的，例如我们学习认识苹果，那么就需要有人拿着一个苹果到你面前告诉你，这是一个苹果。
然后以后你遇到了苹果，你才知道这玩意儿叫做“苹果”。
类比机器学习，我们要教他认识一个苹果，你直接给它一张苹果的图片，它是完全不知道这是个啥玩意的。
我们得先有苹果的图片，上面标注着“苹果”两个字，然后机器通过学习了大量的图片中的特征，这时候再给机器任意一张苹果的图片，它就能认出来了。
这边可以顺带提一下训练集和测试集的概念。
训练集和测试集都是标注过的数据，还是以苹果为例子，假设我们有1000张标注着“苹果”的图片，那么我们可以拿900涨作为训练集，100张作为测试集。
机器从900张苹果的图片中学习得到一个模型，然后我们将剩下的100张机器没有见过的图片去给它识别，然后我们就能够得到这个模型的准确率了。
想想我们上学的时候，考试的内容总是不会和我们平时的作业一样，也只有这样才能测试出学习的真正效果，这样就不难理解为什么要划分一个测试集了。
我们知道机器学习分为有监督学习和无监督学习。
无监督学习的效果是不可控的，常常是被用来做探索性的实验。
而在实际产品应用中，通常使用的是有监督学习。
有监督的机器学习就需要有标注的数据来作为先验经验。
在进行数据标注之前，我们首先要对数据进行清洗，得到符合我们要求的数据。
数据的清洗包括去除无效的数据、整理成规整的格式等等。
具体的数据要求可以和算法人员确认。
二、常见的几种数据标注类型1.分类标注：分类标注，就是我们常见的打标签。
一般是从既定的标签中选择数据对应的标签，是封闭集合。
如下图，一张图就可以有很多分类/标签：成人、女、黄种人、长发等。
对于文字，可以标注主语、谓语、宾语，名词动词等。
适用：文本、图像、语音、视频应用：脸龄识别，情绪识别，性别识别2.标框标注：机器视觉中的标框标注，很容易理解，就是框选要检测的对象。
如人脸识别，首先要先把人脸的位置确定下来。
行人识别，如下图。
适用：图像应用：人脸识别，物品识别3.区域标注：相比于标框标注，区域标注要求更加精确。
边缘可以是柔性的。
如自动驾驶中的道路识别。
适用：图像应用：自动驾驶4.描点标注：一些对于特征要求细致的应用中常常需要描点标注。
人脸识别、骨骼识别等。
适用：图像应用：人脸识别、骨骼识别5.其他标注：标注的类型除了上面几种常见，还有很多个性化的。
根据不同的需求则需要不同的标注。
如自动摘要，就需要标注文章的主要观点，这时候的标注严格上就不属于上面的任何一种了。
（或则你把它归为分类也是可以的，只是标注主要观点就没有这么客观的标准，如果是标注苹果估计大多数人标注的结果都差不多。
）三、数据标注的过程1.标注标准的确定确定好标准是保证数据质量的关键一步，要保证有个可以参照的标准。
一般可以：设置标注样例、模版。
例如颜色的标准比色卡。
对于模棱两可的数据，设置统一处理方式，如可以弃用，或则统一标注。
参照的标准有时候还要考虑行业。
以文本情感分析为例，“疤痕”一词，在心理学行业中，可能是个负面词，而在医疗行业则是一个中性词。
2.标注形式的确定标注形式一般由算法人员制定，例如某些文本标注，问句识别，只需要对句子进行0或1的标注。
是问句就标1，不是问句就标0。
3.标注工具的选择标注的形式确定后，就是对标注工具的选择了。
一般也是由算法人员提供。
大公司可能会内部开发一个专门用于数据标注的可视化工具。
如：也有使用开源的数据标注工具的，如推荐 Github 上的小工具labelImg四、数据标注产品的设计结合自己做过一款数据标记工具谈谈设计数据标注工具的几个小技巧。
一个数据标注工具一般包含：进度条：用来指示数据标注的进度。
标注人员一般都是有任务量要求的，一方面方便标注人员查看进度，一方面方便统计。
标注主体：这个可以根据标注形式进行设计，原则上是越简洁易用越好。
根据标注所需要的注意力可以分为单个标注和多个标注的形式，可根据需求选择。
数据导入导出功能：如果你的标注工具是直接数据对接到模型上的，可以不需要。
收藏功能：这个可能是没有接触过数据标注的不会想到。
标注人员常常会出现的一种情况就是疲劳，或者是遇到了那种模棱两可的数据，则可以先收藏，等后面再标。
质检机制：在分发数据的时候，可以随机分发一些已经标注过的数据，来检测标注人员可靠性。
AI能做自动化标注吗ai能做自动化标注吗怎么做
是的，可以进行自动化标注。
通过训练模型，AI可以识别和标注图像、文本、音频和视频等各种类型的数据。
它可以根据预定义的规则或通过机器学习算法来自动标记数据，提高标注的效率和准确性。
自动化标注可以在许多领域中应用，如计算机视觉、自然语言处理和语音识别等。
它可以帮助加快数据处理的速度，减少人工标注的工作量，并提供更一致和可靠的标注结果。
训练AI模型一定要有标注的数据吗
训练AI模型一定要有标注的数据。
十几年过去了，当普通人还在沉迷算力、算法给AI带来的进步时，真正的从业者都会承认AI的发展已经迈向了技术和产业深度融合的新阶段，其中一个标志是移动互联网的极速发展，智能手机大规模普及，IoT物联网的兴起带来了AI模型训练迭代以及应用落地所需的海量数据。
通用视觉技术体系
通用视觉技术体系书生由七大模块组成，包括通用视觉数据系统、通用视觉网络结构、通用视觉评测基准三个基础设施模块，以及区分上下游的四个训练阶段模块。
将全新的通用视觉技术体系命名为书生，意在体现其如同书生一般的特质，可通过持续学习，举一反三，逐步实现通用视觉领域的融会贯通，最终实现灵活高效的模型部署。
评论（0）