数据标注内容和发展前景数据标注行业规范【共4】

1、数据标注内容和开展前景数据标注行业规范一、数据标注员是做什么的？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.提到数据标注我们首先要了解一下 AIAI 领域,人工智能领域包括机器人、语言识别、图像识别、自然语言处理和专家系统.每一个领域的算法都不尽相同,而对于算法来讲数据是基础.那么数据标注就是初期 AIAI 数据层面,不可或缺的一个重要环节.要理解数据标注,得先理解 AIAI 其实是局部替代人的认知功能.回想一下我们是如何学习的,例如我们学习熟悉苹果,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

2、做“苹果.类比机器学习,我们要教他熟悉一个苹果,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,它就能认由来了.第1页共4页这边可以顺带提一下练习集和测试集的概念.练习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10001000 张标注着“苹果的图片,那么我们可以拿 900900 涨作为练习集,100100 张作为测试集.机器从 900900 张苹果的图片中学习得到一个模型,然后我们将剩下的 100100 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

3、个模型的准确率了.想想我们上学的时候,测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由学习的真正效果,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 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

4、签中选择数据对应的标签,是封闭集合.如下列图,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.第2页共4页适用：文本、图像、语音、视频应用：脸龄识别,情绪识别,性别识别2 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,如下列图.适用：图像应用：人脸识别,物品识别3 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 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

5、别等.适用：图像应用：人脸识别、骨骼识别 5.5.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.根据不同的需求那么需要不同的标注.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.或那么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、有什么开展前途？第3页共4页数据标注员可以说是 AIAI 消灭了一局部工作又创造由来的一种工作.在未来 A AI I 开展良好的前提下,数据的缺口一定是巨大的.可以预见3-53-5 年内数据标注员的需求会一直存在.至于开展,其实所谓一些熟能生巧的工作,都是有被替代掉的风险的.深度学习解决的一件事情就是熟能生巧.在这个岗位上,其实你的一些想法就代表了 AIAI 的想法,AIAI 会根据你标注的数据进行学习,想想还是有点成就感的.数据标注可以说是A AI I的入门级岗位,未来可转