数据标注就是数据加工人员借助类似于BasicFinder这样的标记工具，对人工智能学习数据进行加工的一种的行为，通常数据标注的类型包括：图像标注，语音标注，文本标注，视屏标注等种类，标记的基本形式有标注画框，3D画框，文本转录，图像打点，目标物体轮廓线等等。

近年来，人工智能发展这个话题如火如荼，作为人工智能三大决定性影响因素：算法，算力和数据，再过去的几年中野取得了很大的突破， 数据是人工智能的血液，而数据只有加上标注才有意义 数据标注的公司 https://www.appen.com.cn/services/data-annotation/ http://www.awkvector.com/

1 图像边框 图像边框是一种对目标对象进行标注的简单处理，常用于自动驾驶等应用场景，根据提供的的数据的质量和数量，在图像边框的帮助下，机器模型通过训练就能沟识别出你所需要的目的对象 2、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，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 3、多边形标注 对图形中目标对象进行检测和定位，相较矩形框标注，多边形标注更贴合识别对象的轮廓，不会包含与识别 对象不相关的噪音，因而更加精确。常见游泳馆包括：航天影像，医药影像登。

4、区域标注 相对的边框标注，区域标注更加精确，边缘可以是柔性的，如：自动驾驶中的道路识别。 5、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。 6、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。） 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。 数度智慧，自主研发，自主产权，牢记先创精神，牢记科学价值观。 围绕不同的需求自主研发第三方辅助分析标注工具。 标注工具支持图像、文本和视频等多种标注形式 图像分类，矩形框，多边形，曲线定位，3D定位 文本 分类，文本实体标注，视频跟踪等 可扩展性插件设计 通过插件形式支持自定义标注，可根据具体需求开发不同的标注形式 导出支持主流数据集格式 支持PascalVoc（与ImageNet采用的格式相同）和CoreNLP等标准。 跨平台，多语言，兼容不同操作系统 支持Window/Mac/CentOS/Ubuntu，支持中/英文，满足所有团队需求。 数度智慧官方网址：https://www.shudu-ai.com