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。因为数据直接影响到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。因此，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？
谁来做数据标注
目前各个公司需要标注的数据，一般同下面几大公司或人员承担
- 公司自己招聘人员或实习生进行标注
这种方式最大的优势是：可以随时检查标注的质量和进度，便于快速沟通和调整，数据可以做到保密不外泄;劣势是成本较高
- 外包给数据标注公司
这种方式最大的优势是：速度非常快，成本低廉，标注公司也具备一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，参差不齐，需要随时检查标注质量，返工成本较大。另外数据也无法做到保密不外泄
- 外包给私人团体
这种方式的优劣势基本同标注公司。优势是成本较低，因为可以大量招收人员，如农村闲置人员，兼职人员等。稍微培训下即可投入标注。
谁来管理数据标注
针对数据分配给不同的人员，相应的角色也可以分为三种类型：
- 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%）或全部抽检
- 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，会有很大差异，因此标注的类型也有很多，详细如下所示：
图像标注-2D边框标注
这种类型应该是最常见的标注方式，常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，如下图所示：
01边框标注.png
图像标注-3D边框标注
也称立方体标注，相比2D标注而言，还可以展现目标对象的近似深度。如下所示：
05立方体标注.png
图像标注-语义分割
根据检测区域的不同，将图像标注为不同的像素，如下所示：
02语义分割.png
图像标注-多边形标注
根据需求标注目标对象的形状，常用于无法使用边框标注的不规则的目标对象，需要在目标对象的各个关键点进行描点，无论最终为何形状，均要能反应目标对象的轮廓形状和所有边缘，如下所示：
03多边形标注.png
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，线条可能是直线也可能是曲线，常用于分隔表明边界的事物。常用于自动驾驶，如下所示：
04线条标注.png
图像标注-点标注
这种标注一般用于人脸识别，人体姿态跟踪（如POSE算法）等
06点标注.png
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，形成与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。
常用标注工具
常用标注工具如下所示：
- 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
网友评论