数据标注

定义

数据标注是对原始数据（如文本、图像、音频、视频等）添加标签或注释的过程。这些标签能够为机器学习模型（包括大语言模型）提供可理解的信息，帮助模型学习数据中的模式和特征，从而使模型能够进行准确的预测、分类或生成任务。 例如，在图像识别领域，对于一张包含猫的照片，数据标注人员会在这张照片上标注“猫”这个标签。当机器学习模型训练时，它就可以通过大量带有“猫”标签的照片，学习猫的各种特征，如外形、颜色、纹理等，最终能够在遇到新的猫的图像时准确识别。

类型

分类标注

这是最常见的标注类型之一。它是将数据划分到不同的类别中。例如，在文本分类中，对于新闻文章，可以标注为“体育类”“财经类”“娱乐类”等。在图像分类中，对于交通标志的图像，可标注为“限速标志”“禁止通行标志”等。 以电子邮件分类为例，数据标注员会把邮件根据内容标注为“工作邮件”“垃圾邮件”“私人邮件”等类别，这样，邮件分类模型就可以根据这些标注学习如何区分不同类型的邮件。

框定标注（目标检测）

主要用于图像和视频数据。标注人员需要在图像或视频帧中用矩形框（也可以是其他形状）等方式圈出目标物体，并标注物体的类别。比如在自动驾驶场景的图像数据中，标注员会框出汽车、行人、交通信号灯等物体，并分别标注它们的类别。 例如，在安防监控视频数据标注中，当要检测可疑人员时，标注员会在视频帧中框出人物形象，并标注“可疑人员”或“正常人员”，同时标注其位置等信息，帮助安防监控系统中的目标检测模型学习识别可疑行为。

语义分割标注

这种标注比框定标注更精细，用于图像数据。它是将图像中的每个像素都分配一个类别标签，用于区分不同的物体或区域。比如在医学影像领域，对X光片或CT扫描图像进行语义分割标注，可以区分出骨骼、肌肉、器官等不同的组织部分。 以遥感卫星图像为例，通过语义分割标注，可以将图像中的土地、水域、植被、建筑物等不同的地物类型用不同的颜色（代表不同的类别标签）标注出来，这样的标注数据可以帮助构建土地利用类型识别模型。

序列标注

适用于序列数据，如文本、音频等。在文本序列标注中，最典型的是命名实体识别（NER）。例如，对于句子“小明在北京大学读书”，标注员会将“小明”标注为“人名”，“北京大学”标注为“机构名”。 在语音识别中的序列标注，可以标注语音中的音素、单词等序列元素，帮助语音识别模型学习语音和文本之间的转换关系。