人工智能数据标注实战教程高职PPT全套教学课件.pptx

1数据标注基础

2图像任务标注

3视频标注项目

4自然语言处理任务标注

5语音标注项目

全套可编辑PPT课件

第一章数据标注基础

任务一了解相关基础知识

本课件是可编辑的正常PPT课件;

内容概括

·人工智能与数据

●数据标注定义

●计算机视觉标注相关基础概念

●智能语音标注相关基础概念

·自然语言处理标注相关基础概念

本课件是可编辑的正常PPT课件;

“现在的人工智能，前面有多少智能后面就有多少人工”

--《三体》作者刘慈欣;

自20世纪50年代，人工智能就开

始走上人类现代科技的历史舞台。从马文·明斯基建造世界上第一台神经网络计算机，到阿兰·图灵提出图灵测试，一件件铭记史册的事件拉开了人工智能发展的大幕。

本课件是可编辑的正常PPT课件;

2007年，斯坦福大学教授李飞飞开始启动

ImageNet项目，其借助于亚马逊的众包平台完成大量图片的分类标注。2010年，该项目积累1400多万张图片，分为21841种类别。在此项目研究过程中，李飞飞教授逐渐认识到“数据”的重要性。;

2.数据标注定义

数据标注是对未经处理的初级数据，包括语音、图片、文本、视频等进行分类、编辑、纠错和批注等加工处理，并转换为机器可识别信息的过程。对未经处理的初级数据一般通过数据采集获得，随后的数据标注相当于对数据进行加工，然后输送到人工智能算法和模型里完成调用。;

任务;

2.数据标注定义

数据标注项目的工作流程;

一般人工智能讨论的都是假设基于屏幕像素的。屏幕像素是指显

示屏的像素，包括电视机，电脑显示屏，手机屏等等，这些像素不是虚拟的，是实实在在存在的，具有物理尺寸大小，通常是英寸(inch)为单位。

(2)分辨率

屏幕分辨率只与长度有关，用ppi代表，有时也称像素密度，表示每英寸有多少个像素点，与物理设备相关。数码图像分辨率指这幅图的像素。数码图像的物理尺寸可以是任意的。如果当前数码图像分辨率标为5000×4000像素，屏幕分辨率是100ppi,那么这幅图的屏幕尺寸是宽=5000/100=50英寸，高=4000/100=40英寸。

本课件是可编辑的正常PPT课件;

(3)色彩空间

人类视网膜上有三种感知色彩的视锥细胞，所以理论上可用三种

颜色的光就可以混合出自然界中任何一种颜色来。在20世纪20年代，戴维德等科学家通过三种颜色的光源进行匹配，得到了人眼对于不同颜色光的匹配函数。设三种颜色的光源(R红色，G绿色，B蓝色)强度分别为r,g和b,则颜色C可表示为：

C=r*R+g*G+b*B

(4)图像文件格式

分类：有损压缩、无损压缩

常见得比较多的图片格式有：jpeg(jpg)、png、bmp、gif、tif和raw等。

本课件是可编辑的正常PPT课件;

(1)文件格式

数字视频是人工智能数据标注主要关注的视频形式。数字视频有不同的产生方式，存储方式和播出方式。AVI,WMV,MPEG,DivX,

MKV等

(2)视频帧

视频中标准的基本信息单元称为帧。;

(3)帧速率

帧速率即总帧数与时间的比值，单位为帧每秒(f/s,frames

persecond)。帧速率越高，人眼感觉视频越流畅。要避免不流畅的最低指标是30fps。

(4)采样率

随着流媒体兴起，视频网络播放为了减少网络压力，采用采样率来抽样原视频文件，形成视频流。

444,422和420是三种YUV色彩空间的采样。三位数分别代表Y、U和V通道的抽样比。例如，444是全采样；而422是对Y进行全采样，对U和V分别进行1/2均匀采样。

本课件是可编辑的正常PPT课件;

(5)码率

码率是视频数据每秒输出的数据位数。简称BPS,全称BitsPerSecond。常见单位KBPS(千位每秒)和MBPS(兆位每秒)。

(6)分辨率

分辨率指视频一帧图像包含的像素的多少，常见有1280×720像素和1920×1080像素等规格。分辨率影响图像大小，且与之成正比。分辨率越高，一帧图像越大；反之，一帧图像越小。;

4.智能语音标注相关基础概念--声音信号

声音是一种压力波。当演奏乐器、拍打一扇门或者敲击桌面时，振动会引起介质即空气分子有节奏的振动，使周围的空气产生疏密变化，形成疏密相间的纵波，这就产生了声波，这种现象会一直延续到振动消失为止。;(3)音调;

4.智能语音标注相关基础概念--声音信号

(4)音色

音色又称音品，声音波形决定了声音的音色。声音因物体材料的特性而不同，音色本身是一种抽象的东西，但波形是把这个抽象直观的表现。波形不同，音色则不同。不同的音色，通

过波形，完全可以分辨的。

(5)响度

响