数据标注：用更好的数据服务于AI，标注的质量及常用工具我们都替你整理好了

数据标注作为人工智能的“启蒙老师”，帮助人工智能认知世界。将小孩子般的人工智能一步步培养成如今可以独当一面的大人。人工智能的进步离不开为其源源不断地提供数据的标注员

数据标注员的职责如此重大，让不少小伙伴心动，有意加入标注行业。但很多人对于数据标注这个行业还是相对陌生的很，今天我们就从标注的行业现状、质量、以及工具几个方面做一个大致的了解

1

数据标注行业现状

1、对数据服务商的场景化标注能力要求提升

不同的应⽤场景所对应着不同的标注需求，⽐如⾃动驾驶领域主要包括⾏⼈识别、车辆识别、红绿灯识别、道路识别等内容，⽽智慧安防领域则主要涉及⾯部识别、⼈脸检测、⼈脸关键信息点提取以及车牌识别等内容，这对数据服务供应商的定制化标注的专业性要求更高

2、高门槛标注项目人力成本过高

数据标注本质上仍属于劳动密集型产业。⼀些特殊的⾏业，如⾦融、医疗、语言、法律等对于数据标注的专业度要求更⾼，通过传统的标注⽅法已经难以满⾜当前的⾏业需求。因此，想要满足当前的行业需求，必须要有更多专业性的⼈才输⼊，这直接关系到的便是高额的人力成本

3、标注效率有待提高

在人力成本无法减轻的情况下，提高数据标注员标注熟练度，或者使用高效率的标注工具可以有效提升标注效率。但熟练度高的标注员在行内仍是稀缺状态，而高效率的标注工具在行业内也较为稀缺

4、标注数据的准确率有待提高

数据集质量的高低直接决定最终模型质量的好坏。机器学习依赖海量标注数据的投喂，这些数据质量的高低将对AI最终能否顺利落地产生重要影响。因此，随着科技的不断发展，行业对标注数据的准确率要求越来越高，目前标注数据准确率需达到99%，甚至是99.99%才可满足行业需求

2

数据标注的质量

数据的高质量体现在两个方面：一个标注的数量多，二是标注的质量高

图像标注的质量标注

图像标注的质量好坏取决于像素点的判定准确性

标注像素点越接近被标注物的边缘像素，标注的质量就越高，标注的难度也越大。如果图像标注要求的准确率为100%，标注像素点与被标注物的边缘像素点的误差应该在1个像素以内

语音标注的质量标注

语音标注时，语音数据发音的时间轴与标注区域的音标需保持同步

标注于发音时间轴的误差要控制在1个语音帧以内。若误差大于1个语音帧，很容易标注到下一个发音，造成噪声数据

文本标注的质量标注

文本标注涉及到的任务较多，不同任务的质量标准不同

例如：分词标注的质量标准是标注好的分词与词典的词语一致，不存在歧义；情感标注的标注质量标准是对标注句子的情感分类级别正确

3

常用的数据标注工具

名称

简介

运行平台

标注形式

标注格式

LabelImg

著名的图像标注工具

Windows,Linux,Mac

矩形框

VOC和YOLO格式

LabelMe

著名的图形界面标注工具，能够标注图像和视频

Windows,Linux,Mac

多边形、矩形、圆形、多段线、线段、点

VOC 和 COCO 格式

RectLabel

图像标注

Mac

多边形、矩形、多段线段、点

YOLO、KITTI、 COCO1、CSV

VOTT

基于 Web 方式本地部署的标注工具，能够标注图像和视频

Windows,Linux,Mac

多边形、矩形、点

TFRecord、CSV、VoTT

LabelBox

适用于大型项目的标注工具，基于Web，能够标注图像、视频和文本

-

多边形、矩形、线、 点、嵌套分类

JSON 格式

VIA

VGG的图像标注工具，也支持视频和音频标注

-

矩形、圆、椭圆、多边形、点和线

JSON 格式

COCO UI

用于标注 COCO 数据集的工具，基于 Web 方式

-

矩形、多边形、 点和线

COCO格式

Vatic

Vatic 是一个带有目标跟踪的视频标注工具，适合目标检测任务

Linux

-

VOC 格式

BRAT

基于 Web 的文本标注工具，主要用于对文本的结构化标注

Linux

-

ANN 格式

DeepDive

处理非结构化文本的标注工具

Linux

-

NLP 格式

Praat

语音标注工具

Windows,Unix，Linux,Mac

-

JSON 格式

精灵标注助手

多功能标注工具

Windows,Linux,Mac

矩形、多边形和曲线

XML 格式

4

   小结

以上就是今天关于数据标注的一些分享，虽然现在有很多人听到这样的说话：“工作会被人工智能替代”，但这个是有些牵强的，如果人工智能产品像新生儿一样，那么软件开发人员就像父母一样，我们就是为新生儿制作食物的人，没有我们提供的食物，新生儿就无法生长