導(dǎo)讀今天和客戶聊軟件需求，了解到一個AI新職業(yè)：數(shù)據(jù)標(biāo)注員。如果您也是第一次聽說，那可以簡單了解下下面的科普知識。出現(xiàn)背景互聯(lián)網(wǎng)和大數(shù)據(jù)的時代，數(shù)據(jù)變得和原油一....

今天和客戶聊軟件需求，了解到一個AI新職業(yè)：數(shù)據(jù)標(biāo)注員。如果您也是第一次聽說，那可以簡單了解下下面的科普知識。

出現(xiàn)背景

互聯(lián)網(wǎng) 和大數(shù)據(jù)的時代，數(shù)據(jù)變得和原油一樣具備無可估量的挖掘價值，而數(shù)據(jù)格式可能是文字、圖片、聲音、視頻等。在利用這些數(shù)據(jù)之前，我們必須通過信息歸類和特征機制標(biāo)識這些數(shù)據(jù)，以便在后續(xù)進行數(shù)據(jù)分析和聚合時進行針對性的使用，這就誕生了為數(shù)據(jù)進行標(biāo)識的職業(yè) - 數(shù)據(jù)標(biāo)注員。

典型應(yīng)用場景

目前，像抖音、頭條、快手等平臺每日產(chǎn)生海量的數(shù)據(jù)，為音頻、視頻、圖像等進行數(shù)據(jù)標(biāo)注將為更好地實現(xiàn)資源定位和匹配提供支持。

醫(yī)療行業(yè)應(yīng)用較多的是影像標(biāo)注，醫(yī)學(xué)領(lǐng)域的專業(yè)人士將根據(jù)醫(yī)學(xué)影像進行器官或醫(yī)學(xué)病灶的標(biāo)注，從而增強AI的模式識別和深度學(xué)習(xí)能力，為醫(yī)療設(shè)備的AI化提供支持，進一步提升醫(yī)療設(shè)備的智能化水準。

在自動駕駛領(lǐng)域，自動駕駛汽車的影像識別機制可以通過目標(biāo)檢測、點云標(biāo)注、實例分割、語義分割等技術(shù)，標(biāo)識出汽車、行人、障礙物等，從而實現(xiàn)安全有序的無人化駕駛。

機器人領(lǐng)域，可以通過數(shù)據(jù)標(biāo)記標(biāo)記人類情緒特征或者流水線結(jié)構(gòu)，使機器人可以更好地和人類互動以及更好的生產(chǎn)。

在零售領(lǐng)域，可以通過2D邊框等技術(shù)識別和分析商品，并利用機器學(xué)習(xí)酸味為貨品排列、成本分析、商品推銷、新型支付等制定可行方案。

數(shù)據(jù)標(biāo)注員的工作方式

數(shù)據(jù)標(biāo)注員負責(zé)數(shù)據(jù)工具，對大量的文本、圖片、語音、視頻進行歸類、整理、糾錯和標(biāo)注。根據(jù)數(shù)據(jù)標(biāo)注員所在行業(yè)和公司，數(shù)據(jù)標(biāo)注員通常會收到以實現(xiàn)特定目的的標(biāo)注任務(wù)，然后用規(guī)定的標(biāo)識體系去標(biāo)識資源。這些工作，一般會通過專門的標(biāo)注工具來實現(xiàn)，如CVAT、VOTT、Labelme、LabelImg、VIA-VGG Image Annotator、Pixel Annotation Tool、Vatic等。

常見數(shù)據(jù)標(biāo)注員的工作框架

數(shù)據(jù)標(biāo)注員目前有很大部分的基礎(chǔ)性工作已經(jīng)可以由AI替代，但目前仍有大量的分析工作，特別是涉及非常高的專業(yè)性行業(yè)，需要數(shù)據(jù)標(biāo)注員人工進行介入。

數(shù)據(jù)標(biāo)注工具的典型功能

典型的數(shù)據(jù)標(biāo)注工具包括多種資源的標(biāo)注支持，數(shù)據(jù)標(biāo)注的格式標(biāo)準則大多數(shù)采用兩種：VOC和COCO。標(biāo)注工具一般具備的功能包括：

基于圖像的拉框技術(shù)

用2D、3D、多邊形框等標(biāo)注出圖像中的目標(biāo)對象，如圖像中的臉部等。

圖像像素級分割技術(shù)1 - 語義分割

根據(jù)圖像中的像素進行分割，從而為圖像中的每個像素定義不同的類別，如標(biāo)識出圖像中的人和動物。

圖像像素級分割技術(shù)2 - 實例分割

在像素級別上標(biāo)識圖像，并標(biāo)識出圖像中具體的實例，比較于語義分割，示例分割可以標(biāo)識出上例中幾只動物、幾個人。

目標(biāo)檢測

根據(jù)目標(biāo)預(yù)設(shè)ID，在視頻軌跡中截取關(guān)鍵幀，對連續(xù)畫面中出現(xiàn)的預(yù)設(shè)目標(biāo)標(biāo)注相同的ID，從而記錄目標(biāo)軌跡的變化，這在刑偵、自動駕駛等場景中應(yīng)用廣泛。

資源分類

資源分類即常見的打標(biāo)簽，也就是為特定的資源綁定有意義的標(biāo)簽，如動物圖片可以設(shè)置資源分類標(biāo)簽為“貓”“寵物”等分類。

圖像關(guān)鍵點

在AI的神經(jīng)網(wǎng)絡(luò)算法中，常常需要識別圖像中重要的模式敏感點，我們把這些點稱為關(guān)鍵點。如人臉、人體骨骼、建筑物結(jié)構(gòu)等圖像目標(biāo)上標(biāo)識眼耳口鼻、頭骨尺骨、大門消防通道等。

圖像線標(biāo)注

通過貝塞爾曲線和普通線段標(biāo)注，可將圖像中對應(yīng)目標(biāo)的邊緣、輪廓用線段標(biāo)注出來，以用于后續(xù)的AI分析和學(xué)習(xí)。

圖像OCR轉(zhuǎn)寫

OCR轉(zhuǎn)寫是對圖像中的文字內(nèi)容進行標(biāo)記與轉(zhuǎn)寫，幫助提升圖文混排圖像的業(yè)務(wù)要素提取能力。

點云標(biāo)注

點云是三維數(shù)據(jù)的一種重要表達方式：現(xiàn)實中通過激光雷達等傳感器，能夠采集到各類障礙物以及其位置坐標(biāo)，而標(biāo)注員則需要將這些密集的點云進行分類，并標(biāo)注上不同屬性，這在自動駕駛領(lǐng)域應(yīng)用廣泛。

前景展望

隨著AI化智能分析平臺的能力提升，目前越來越多的基礎(chǔ)工作已實現(xiàn)計算機平臺自動化，后續(xù)數(shù)據(jù)標(biāo)注員更多的工作將傾向于知識和經(jīng)驗的注入、以及全面的體驗優(yōu)化等方面，從而促使資源的模式識別更加智能化、人性化和具備更高的業(yè)務(wù)價值飽和度。