AI-数据标注类型

    随着数据的暴增和计算机硬件技术的发展，也催生了AI技术在各行各业的应用渗透。而想将AI技术应用到各行各业，数据是必需品。由于数据直接影响到AI最终训练出来的模型好坏。AI建模没有太大门槛，但数据才是真正的门槛。所以，目前业界流传着一段话有多少人工智能，就有多少人工。前一篇讲述了数据如何标注及其注意，今天来学习一下数据标注的类型有哪些？

谁来作数据标注

    目前各个公司须要标注的数据，通常同下面几大公司或人员承担

• 公司本身招聘人员或实习生进行标注

  这种方式最大的优点是：能够随时检查标注的质量和进度，便于快速沟通和调整，数据能够作到保密不外泄;劣势是成本较高

• 外包给数据标注公司

  这种方式最大的优点是：速度很是快，成本低廉，标注公司也具有必定的开发标注工具能力，可定制性化能力较强;但劣势也明显标注公司鱼龙混杂，良莠不齐，须要随时检查标注质量，返工成本较大。另外数据也没法作到保密不外泄

• 外包给私人团体

  这种方式的优劣势基本同标注公司。优点是成本较低，由于能够大量招收人员，如农村闲置人员，兼职人员等。稍微培训下便可投入标注。

谁来管理数据标注

    针对数据分配给不一样的人员，相应的角色也能够分为三种类型：

• 数据标注人员

  主要负责数据的标注和汇总

• 数据检查人员

  主要负责数据标注的质量检查，常采用抽检方式检查，可细分为部分抽检（比例约20%~30%）或所有抽检

• 数据管理人员

  负责人员任务分配、进度跟进、标注培训及对外/对内协调沟通等

数据标注类型

    因AI技术应用到具体的实例场景，会有很大差别，所以标注的类型也有不少，详细以下所示：

图像标注-2D边框标注

    这种类型应该是最多见的标注方式，经常使用于检测目标对象的相应区域，标注框位于目标对象的四周，以下图所示：

图像标注-3D边框标注

    也称立方体标注，相比2D标注而言，还能够展示目标对象的近似深度。以下所示：

图像标注-语义分割

    根据检测区域的不一样，将图像标注为不一样的像素，以下所示：

图像标注-多边形标注

    根据需求标注目标对象的形状，经常使用于没法使用边框标注的不规则的目标对象，须要在目标对象的各个关键点进行描点，不管最终为什么形状，均要能反应目标对象的轮廓形状和全部边缘，以下所示：

图像标注-直线或曲线标注

    根据需求标注目标对象对应的线条位置，线条多是直线也多是曲线，经常使用于分隔代表边界的事物。经常使用于自动驾驶，以下所示：

图像标注-点标注

    这种标注通常用于人脸识别，人体姿态跟踪（如POSE算法）等

视频标注-跟踪标注

    在视频或连续的图像中跟踪标注的目标对象，造成与ID关联的运动轨迹

文本标注-中英文语音转写与校对

    英文语音转中文文本或中文文本转英文语音。

语音标注-客服语音标注

    外呼机器人进行外呼记录语音标注呼叫成功或失败，从而训练话术。

经常使用标注工具

    经常使用标注工具以下所示：

• labelImg

  下载地址：https://github.com/tzutalin/labelImg
  注意事项：使用labelImg时，路径不能包含中文

• 精灵标注助手

  下载地址：http://www.jinglingbiaozhu.com/