[AI工具宝典]AI产品经理之数据标注.pdfVIP

前两篇笔者分别为大家介绍了AI产品经理需要了解的概率论通识、线性代数通识、微积

分通识，本篇文章中，笔者将继续为你介绍AI产品经理需要了解的数据标注，供大家一

参考学习。

前几天参加京东的AI技术沙龙，在提问环节，有个小伙说：

“我是做销售的，刚才您讲的我都没听懂，我就知道，现在AI是风口，只要做AI相关的

就能挣钱，您能说几个现在我们这类人能做到吗？能挣钱就行！”

台上技术出身的老师自然一时语塞。小伙说的没错，百团大战的时候确实一批刷单公司赚

得盆满钵满。但是这些投机取巧注定不能长远。

让更多人卷进这次AI浪潮的可能就是数据标注了，AllinAI的百度拥有大量的标注业务

，大部分河南标注工厂用的是百度的标注工具，干的是百度的活。开始的时候标注的利润

空间可以达到60%—70%。有些企业盲目扩张，一下子招了几百人；但是陆奇离开后，

百度需求减少。准确率又普遍提高至95%-96%，活难干了。这些工厂只会百度的标注工

具，很难接别家的业务，因此死了一批。

现在来看标注行业是一个苦行业，“如果你和谁有仇，就劝他干标注吧。”这是标注圈有

名的段子。干标注就像将水倒进一个水桶里，每拉一个框就是添一碗水。目前，谁也不知

道还能添多久，只有水溢出来时，才知道。

数据是AI公司的必需品。数据对于AI模型的重要性尤为重要，AI建模没有门槛，数据才

是门槛。现阶段的人工智能是简单的认知智能。分类器的构造是个数学问题，就是由数据

堆起来的。或者说深度学习本质上是个数学问题，是由大量的样本空间数据反向构造分类

器的系数空间的过程。

数据标注模型

数据标注业务的配置是一个复杂的数学模型。比如，有些任务需要串并联的工作流，并联

的工作流是多人协同的工作。串联的工作流是后一个结果是基于前一个结果进行处理的，

串并联的工作流需要平台来实现业务工作流的配置。比如一些NLP型的文本标注作业，

需要多个人来标，最后N选一或者投票。串并联配置涉及到底层数据流的分发等。或者

说更像是一个流水线作业流程。

不断地用标注后的数据去训练模型，不断调整模型参数，得到指标数值更高的模型。

数据的质量直接会影响到模型的质量，因此数据标注流程设计和监督纠错就显得异常重要

。

一般来说，数据标注部分可以有三个角色：

数据标注员：标注员负责标记数据。（文本、图像、视频）数据审核员：审核员负责审

核被标记数据的质量。（抽检）标注管理员：管理人员、发放任务、跟进流程。

只有在数据被审核员审核通过后，这批数据才能入库使用。

一般众包数据标记流程

任务分配：一般数据分配由后台自动分发，根据用户选择标注类型每次分发几条内容，标

注完成后再次分发。复核入库：一般一条任务会分配给大于三个人的基数人员完成，根

据少数服从多数原则确定该条数据的最终标签。质量验收：一般会根据用户标注总数量

和入库数量计算该用户的标注质量，和计算有效标注数量，质量高的和质量低的薪酬计算

方法会有差别，以此来淘汰不能完成高质量标注的人员。

数据标注类型

图像标注-线标注

根据需求标注检测对象相对应的线型位置，例如：车道线。

图像标注-边框标注

标注检测对象相对应的区域，例如：汽车/行人等各种物体。

图像标注-3D边框标注

将图像中待检测物体以立体形式标注，例如汽车检测。

图像标注-语义分隔

根据检测区域不同，将图像标注为不同的像素，例如来自汽车拍摄的图像。

图像标注-多边形标注

根据需求标注检测对象的形状，例如：标注图像中的汽车轮廓（示例图）或标记污损边界

。

图像标注-点标注

根据需求标注检测对象参考点的像素坐标，或者图像中的关键点标记，如人脸。

图像标注-3D点云标注

在3D空间中，标注点云数据中指定的检测对象，如汽车、行车道等。

视频标注-跟踪标注

在视频或者连续的图像中跟踪标注检测对象，形成有ID关联的运动轨迹。

文本标注-中英文语音转写与校对

英文语音转中文文本，或中文文本转英文语音。

文本标注

实体命名，标注文本中的实体。

语音标注-客服语音标注

外呼机器人进行外呼记录语音标注呼叫成功或者失败，从而训练话术。

标注流程

需求确认：对标注任务需求确认，标注数据集准备完成，规范标注需求，指定标注模型。

人员筛选：确定标注人员及人员角色人员培训：针对不同角色培训标注规范和标注标准

开始试标：先标注少量数据，试用标注数据，调整标注流程，使得效率最优。正式标注

：完成整体标注任务。导出数据。

总结

快速、高效的进行数据标注，是机器学习和深度学习的基础，现在一些标注工具通过