机器学习-数据标注(二)

1、数据标注

数据标准是通过分类、画框、标注、注释等，对图片、语音 、文本等数据进行处理，标记对象的特征，以作为机器学习基础素材的过程。

1.1、数据标注几个基本概念

1.1.1、标签

主要是标识数据的特征、类别和属性等。

1.1.2、标注任务

是指按照数据标注规范对数据集进行标注的过程。

1.1.3、数据标注员

负责对文本、图像、语音、视频等标注数据进行归来、整理、编辑、标记和批注。

1.1.4、标注工具

完成标注任务产生标注结果所需要的工具和软件。

2、数据标注基本流程

数据采集——》数据清洗——》数据标注——》数据质检

2.1、文本标注

侧重于对文本数据进行处理，包括实体识别、情感分析、关键词提取等任务。

2.2 文本数据标注分类

2.2.1 序列标注

是一个比较简单的NLP任务，但也可以称作是最基础的任务是一个比较简单的NLP任务。
包括对词性(名词、动词、形容词等)、实体(人名、地名&机构名)、关键词抽取、韵律(句子中字词之间的停顿)、意图理解等。

2.2.1 关系标注：

是对复句的句法关联和语义关联做出重要标注的一种任务，是复句自动分析的形式标记。

包括指向关系、修饰关系、平行语料等。

2.2.1 属性标注：

是对事物属性进行标签，属性标注包括：文本类别、新闻、娱乐等。

2.2、语音标注

语音数据标注的常见类型：ASR语音识别，TTS语音转写。

2.2.1、ASR语音识别

ASR语音识就是将音频中的内容转写为对应的文本，并选择相关的标签
并且可根据提供的语音数据进行精确转录。

2.2.1、TTS语音转写

TTS语音转写就是将计算机生成的文本信息转换为语音，对声母、韵母多音字等进行标注。

2.3、图像标注

图像标注类型包括：拉框、语义分割、实例分割、 目标检测、图像分类、关键点、线段标注、文字识别转写、点云标注、属性判断等。

2.3.1 拉框

2.3.2 区域标注

区域标注通过对图像中的特定区域进行标注，这些区域可能基于某种特征或属性进行划分。标注的结果可能是简单的矩形框、多边形或其他形状，用于表示图像中的感兴趣区域。通常输出的是标注区域的形状、位置和大小等信息，这些信息以某种格式（如JSON、XML等）进行存储和传输。语义分割和实例分割都是区域标注的两种形式。
例如：人行道、隔离带、可行驶区域、不可行驶区域、缓冲区等。

2.3.2.1 语义分割：

是标记图像中存在的内容及位置，根据属性进行像素级分割，支持单属性 、多级属性。它关注的是像素级别的分类，将图像划分为不同的语义类别，不区分同一类别内的不同实例‌。

2.3.2.2 实例分割：

图像分割一种子类，它在像素级别上标识图像中每个物体的每个实例，实例 分割和语义分割是图像分割的两种粒度级别之一。实例分割的目标是在语义分割的基础上进一步区分同一类别内的不同实例。

2.3.3 目标检测：

支持任务ID追踪、视频轨迹追踪、截取视频关键帧标注，在每一帧图片中将目标物体标注出来，进而描述它们的运动轨迹，这类标注常应用于训练自动驾驶模型以及视频识别模型。

2.3.4 图像分类：

目标属性，对图像划分到不同分类。

2.3.5 关键点标注

关键点标注是指通过人工的方式，在规定位置标注上关键点，例如人脸特征点、人体骨骼连接点等，常用来训练面部识别模型以及统计模型。

2.3.6 线段标注

支持贝塞尔曲线和普通线段标注，支持对车道线进行贝塞尔曲线标注，使用线段将图像目标的边缘、轮廓用线段标注。

2.3.7 OCR转写

OCR转写是对图像中的文字内容进行标记与转写，帮助训练和完善图片与文本识别模型。

2.3.8 点云标注

是指三维数据的一种重要表达方式，通过激光雷达等传感器，能够采集到各类障碍物以及其位置坐标，而标注员则需要将这些密集的点云分类，并标注上不同属性，常应用于自动驾驶领域。

2.3.9 属性判断

是指通过人工或机器配合的方式，识别出图像中的目标物体，并将其标注上对应属性。

2.4、常用数据标注工具

文本标注工具：labelme
图像标注工具：labelImg
数据集标注软件：精灵标注助手