AI人工智慧—資料標註的主要型別和標註注意事項

資料標註作為人工智慧發展道路上的基石，是人工智慧發展的重要環節。資料標註的過程是透過人工貼標籤的方式，為機器提供可學習的樣本資料，最終使機器可以自主識別資料。在深度學習模型的測試過程中，高質量的資料標註往往能更好地提高模型訓練的質量。

資料標註型別主要包括影像標註、文字標註、語音標註和3D點雲標註四大類。在標註過程中，為了確保標註資料的準確率，需要注意很多事項。

影像標註

影像標註是一個將標籤新增到影像的過程。它可以為整個影像新增一個標籤，也可以分別為影像內每組畫素新增多個標籤。

注意事項

l 在拉框標註或語義分割時，其標註物件就是將影像中所需標註類別分別進行框選/分割標註，框選之後每個框都會有一個對應的類別。

l 在被遮擋的情況下，遮擋部分需要腦補，但是不要腦補到影像外。

l 不遺漏框/打點數，不誤標框/打點數，不多標框/打點數。

l 若出現影像較模糊無法標註的則不標。

文字標註

文字標註是對文字進行特徵標記的過程，對其打上具體的語義、構成、語境、目的、情感等資料標籤，透過標註好的訓練資料，我們就可以教會機器如何來識別文字中所隱含的意圖或者情感，使機器更加人性化的理解語言。

注意事項

l 同類標註屬性，標註方式要保持一致。

l 在文字標註過程中，由於部分文字間隔近，若同頁中有相同的元素，可以考慮隔行標註，避免標註都擠到一起。

l 標註標籤的定義要細化到集體場景。

l 前期主觀性的標籤要具象化，明確好詳細的標籤邊界。

l 同時標多個標籤時，要避免漏標、錯標、多標。

語音標註

語音標註主要是由標註員將聽到的音訊中的聲音轉寫下來，並加上對應的標籤。

語音標註的語種一般分為中文、方言、英文等。根據語音時長可以分為長語音和段語音，一般在三秒左右的語音分為短語音，其中語音的長短、聲音質量、有無預打標結果，是否需要切割等因素都會有較大的影響語音轉寫的速度。

注意事項

l 確定是否包含有效語音；確定語音的噪聲情況；確定說話人數量；確定說話人性別、確定是否有口音、有效語音內容轉寫。

l 整句話無法分辨出內容的，標為無效；背景噪音過大的，標為無效。

l 在語音標註中，除了被採集者的聲音外，還可能聽到其他的背景音，在一般情況下，這些都可以被當作雜音進行處理。

l 在前期語音清洗時，需要刪去無效音訊；在語音切割時，要保證有效音訊前後靜音兩秒，擷取時間過長或者過短都不符合語音資料標註規範。

l 語音標註的過程中的最好是使用降噪耳機，如果耳機質量不高在標註過程中，會產生很多的雜音不利於標註，容易出錯。

3D點雲標註

3D點雲標註是在鐳射雷達採集的3D影像中，透過3D框將目標物體標註出來。目標物體包括車輛、行人、廣告標誌和樹木等，供計算機視覺、無人駕駛等人工智慧模型訓練使用。

注意事項

l 標註型別具體如下圖所示：

l 目標本身須全部被3D框包圍，不漏點且不包含噪點。

l 若目標物體邊界清晰，則3D框邊界距離目標主體真實邊界最多不能大於10cm。

l 若目標物體因掃描不全而導致點雲缺失，需腦補缺失面邊界，可按照以下數值標註：

l 若行人若帶有揹包、雨傘等物件，行人的3D框需包含這些小物件。

l 若行人距離過近時，行人框可能有一定程度的重疊，可正常標註。

l 要注意三檢視是否貼合；注意正前方方向是否正確。

l 所有地面上的目標物體其3D標註框底部須貼合地面，不能高於地面或低於地面。

l 若目標物體距離過遠導致目標所在區域點雲稀少、沒有地面點或者難以確定3D框下底面高度的情況時，可參考最近的地面點雲線的高度和點雲中距離最近的3D框來確定大致高度。

l 點雲框要按照車輛行駛方向標註。

l 標註範圍：100m半徑範圍。

l 場景中同一車輛、障礙物、行人多次出現時其屬性ID 要保持一致。

l 若出現一些特殊⻋輛時，如掃水車、水泥罐⻋等，需要按照最大外接立方體的形狀去標註出3D框。

l 若出現一輛⻋分成多個部分的情況，比如拖掛多節的卡⻋、多截的公交⻋等，需要將每一節⻋體分別標註3D框。

l 僅標註確定位置和形狀的物體，透過影像和點雲都無法判定的障礙物無需框注。

l 若目標為行人推自行⻋、推購物⻋、推嬰兒⻋等場景時，行人與⻋應分別拉框標註。

l 注意不遺漏框，不誤標框，不多標框，殘影和雜點不需要標註。

l 注意標註方向需正確。

l 注意框要求緊密貼合點雲，不可漏標點，外圍邊界不超過清晰點雲邊界的10cm位置，標註準確率在99%以上。

本文所有內容文字影像資料，版權均屬景聯文科技所有，任何媒體、網站或個人未經作者授權禁止轉載。