演算法中處理數據注釋框什麼意思

A. 什麼是數據標注

數據標注最基本的就是畫框，比如檢測目標是車，標注員就需要把一張圖上的所有車都標出來，畫框要完全卡住車的外接矩形，框得不準確機器就可能「學壞」。再比如人的姿態識別，就包括18個關鍵點，經過訓練的標注員才能掌握這些關鍵點的標注，標注完成的數據也才能符合機器學習的標准。

自動標注技術是在計算機制圖技術發展的基礎上形成的一門技術。主要是利用存儲在資料庫屬性表中的信息來自動標注主題特徵，在標注時可以用主題屬性表中任意域的正方便地改變標注屬性的位置、字體、風格、大小和顏色。

自動注記的主要內容是地圖注記。地圖注記是地圖的基本內容之一，如同地圖上其他符號一樣，注記也是一種符號，在許多情況下起定位作用。它是將地圖信息在制圖者與用圖者之間進行傳遞的重要方式。例如，根據注記的位置和結構，可以指示點位，根據注記的間隔和排列走向，指示對象的范圍。

B. 數據標注是做什麼的

首先談談什麼是數據標注。數據標注有許多類型，如分類、畫框、注釋、標記等等，我們會在下面詳談。

要理解數據標注，得先理解AI其實是部分替代人的認知功能。回想一下我們是如何學習的，例如我們學習認識蘋果，那麼就需要有人拿著一個蘋果到你面前告訴你，這是一個蘋果。然後以後你遇到了蘋果，你才知道這玩意兒叫做「蘋果」。

類比機器學習，我們要教他認識一個蘋果，你直接給它一張蘋果的圖片，它是完全不知道這是個啥玩意的。我們得先有蘋果的圖片，上面標注著「蘋果」兩個字，然後機器通過學習了大量的圖片中的特徵，這時候再給機器任意一張蘋果的圖片，它就能認出來了。

這邊可以順帶提一下訓練集和測試集的概念。訓練集和測試集都是標注過的數據，還是以蘋果為例子，假設我們有1000張標注著「蘋果」的圖片，那麼我們可以拿900漲作為訓練集，100張作為測試集。機器從900張蘋果的圖片中學習得到一個模型，然後我們將剩下的100張機器沒有見過的圖片去給它識別，然後我們就能夠得到這個模型的准確率了。想想我們上學的時候，考試的內容總是不會和我們平時的作業一樣，也只有這樣才能測試出學習的真正效果，這樣就不難理解為什麼要劃分一個測試集了。

我們知道機器學習分為有監督學習和無監督學習。無監督學習的效果是不可控的，常常是被用來做探索性的實驗。而在實際產品應用中，通常使用的是有監督學習。有監督的機器學習就需要有標注的數據來作為先驗經驗。

在進行數據標注之前，我們首先要對數據進行清洗，得到符合我們要求的數據。數據的清洗包括去除無效的數據、整理成規整的格式等等。具體的數據要求可以和演算法人員確認。

二、常見的幾種數據標注類型
1.分類標註：分類標注，就是我們常見的打標簽。一般是從既定的標簽中選擇數據對應的標簽，是封閉集合。如下圖，一張圖就可以有很多分類/標簽：成人、女、黃種人、長發等。對於文字，可以標注主語、謂語、賓語，名詞動詞等。

適用：文本、圖像、語音、視頻

應用：臉齡識別，情緒識別，性別識別

2.標框標註：機器視覺中的標框標注，很容易理解，就是框選要檢測的對象。如人臉識別，首先要先把人臉的位置確定下來。行人識別，如下圖。

適用：圖像

應用：人臉識別，物品識別

3.區域標註：相比於標框標注，區域標注要求更加精確。邊緣可以是柔性的。如自動駕駛中的道路識別。

適用：圖像

應用：自動駕駛

4.描點標註：一些對於特徵要求細致的應用中常常需要描點標注。人臉識別、骨骼識別等。

適用：圖像

應用：人臉識別、骨骼識別

5.其他標註：標注的類型除了上面幾種常見，還有很多個性化的。根據不同的需求則需要不同的標注。如自動摘要，就需要標注文章的主要觀點，這時候的標注嚴格上就不屬於上面的任何一種了。（或則你把它歸為分類也是可以的，只是標注主要觀點就沒有這么客觀的標准，如果是標注蘋果估計大多數人標注的結果都差不多。）

三、數據標注的過程
1.標注標準的確定
確定好標準是保證數據質量的關鍵一步，要保證有個可以參照的標准。一般可以：

設置標注樣例、模版。例如顏色的標准比色卡。
對於模稜兩可的數據，設置統一處理方式，如可以棄用，或則統一標注。
參照的標准有時候還要考慮行業。以文本情感分析為例，「疤痕」一詞，在心理學行業中，可能是個負面詞，而在醫療行業則是一個中性詞。

2.標注形式的確定
標注形式一般由演算法人員制定，例如某些文本標注，問句識別，只需要對句子進行0或1的標注。是問句就標1，不是問句就標0。

3.標注工具的選擇
標注的形式確定後，就是對標注工具的選擇了。一般也是由演算法人員提供。大公司可能會內部開發一個專門用於數據標注的可視化工具。如：

也有使用開源的數據標注工具的，如推薦 Github 上的小工具labelImg

四、數據標注產品的設計
結合自己做過一款數據標記工具談談設計數據標注工具的幾個小技巧。

一個數據標注工具一般包含：

進度條：用來指示數據標注的進度。標注人員一般都是有任務量要求的，一方面方便標注人員查看進度，一方面方便統計。
標注主體：這個可以根據標注形式進行設計，原則上是越簡潔易用越好。根據標注所需要的注意力可以分為單個標注和多個標注的形式，可根據需求選擇。
數據導入導出功能：如果你的標注工具是直接數據對接到模型上的，可以不需要。
收藏功能：這個可能是沒有接觸過數據標注的不會想到。標注人員常常會出現的一種情況就是疲勞，或者是遇到了那種模稜兩可的數據，則可以先收藏，等後面再標。
質檢機制：在分發數據的時候，可以隨機分發一些已經標注過的數據，來檢測標注人員可靠性。

C. 數據標注是什麼意思

數據標注是對未經處理的初級數據, 包括語音、圖片、文本、視頻等進行加工處理, 並轉換為機器可識別信息的過程。原始數據一般通過數據採集獲得, 隨後的數據標注相當於對數據進行加工, 然後輸送到人工智慧演算法和模型里完成調用。
簡單來說，數據標注就是數據標注員藉助標注工具，對圖像、文本、語音、視頻等數據進行拉框、描點、轉寫等操作，以產出滿足AI機器學習標注數據集的過程。

D. 什麼是數據標注，數據標注前景怎麼樣。

      數據標注是通過數據加工人員藉助類似於BasicFinder這樣的標記工具，對人工智慧學習數據進行加工的一種行為。通常數據標注的類型包括：圖像標注、語音標注、文本標注、視頻標注等種類。標記的基本形式有標注畫框、3D畫框、文本轉錄、圖像打點、目標物體輪廓線等。

    5G時代的到來極大地解決了數據傳輸的問題，人類向著智能化社會邁出了至關重要的一步，智能家居、智能機器人、無人駕駛等等所需求的數據量是非常龐大的。

     數據標注可以說是AI消滅了一部分工作又創造出來的一種工作。在未來AI發展良好的前提下，數據的缺口一定是巨大的。可以預見3-5年內數據標注員的需求會一直存在。

    至於發展，其實所謂一些熟能生巧的工作，都是有被替代掉的風險的。深度學習解決的一件事情就是熟能生巧。在這個崗位上，其實你的一些想法就代表了AI的想法，AI會根據你標注的數據進行學習，想想還是有點成就感的。

    想創業一定要抓住機會，多米信息科技DMXX歡迎各0473級代理及個體加盟。