数据标注内容和发展前景(数据标注行业规范)

数据标注内容和发展前景（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 AI 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 AI 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 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、有什么发展前途？

数据标注员可以说是 AI 消灭了一部分工作又创造出来的一种工作。在未来 AI发展良好的前提下数据的缺口一定是巨大的。可以预见 3-5 年内数据标注员的需求会一直存在。

至于发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AI 的想法AI 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 AI 的入门级岗位未来可转向其他 AI 岗位。如项目实施顾问等这就要求更多的工作技能需要再工作中积累。

晋升空间：标注员--标注组长--项目经理--项目总监--数据运营总监。