什么是数据标注
数据标注行业，一个因为人工智能崛起而新兴的行业。
随着人工智能技术的崛起, 涌出大量AI初创公司, AI实验室.
他们在训练自己算法的时候必须使用大量的标注后的数据, 这就形成了新行业-数据标注行业.
要理解数据标注，得先理解AI其实是部分替代人的认知功能。回想一下我们是如何学习的，例如我们学习认识苹果，那么就需要有人拿着一个苹果到你面前告诉你，这是一个苹果。然后以后你遇到了苹果，你才知道这玩意儿叫做“苹果”。
类比机器学习，我们要教他认识一个苹果，你直接给它一张苹果的图片，它是完全不知道这是个啥玩意的。我们得先有苹果的图片，上面标注着“苹果”两个字，然后机器通过学习了大量的图片中的特征，这时候再给机器任意一张苹果的图片，它就能认出来了。
什么是数据标注基地
数据标注团队是专业从事数据标注+数据采集的公司. 也称为数据标注基地.
数据标注有哪些角色分工
数据标注团队由标注员和审核员组成
标注员
标注员是组成标注公司最重要的职位，有一批优秀的标注员一定可以让你的公司事半功倍。
数据标注的最终数据是为计算机服务的，所以越精细的标注对计算机的训练越高效，这就要求我们的标注员一定要是一个细心认真的人。
越细心、越认真，标注数据的精细度就越有保证。
其次，因为需要标注的数据的场景是千变万化的，会有各种各样复杂的场景出现，这就要求我们的标注员要有较强的观察能力。
观察能力越强的人，标注出的物体轮廓也就离物品的真实轮廓越相近，越准确。
最后，因为数据标注在单一的场景中需要重复一个或者几个动作，除去判断，这种重复的劳动是相对比较枯燥的，这就要求我们的标注员需要有耐心能够坐得住。
越有耐心，能坐得住，标注数据的稳定性就越有保证。
审核员
审核员一般都是从优秀的标注员中挑选出来的。
因为数据标注是一个类似于熟能生巧的行业，一个标注员接触过的标注对象越多，场景越复杂，那么他也就越有可能更快、更准确的判断出复杂场景中的被标注元素，这些都是靠时间和经验堆积出来的。
自身是一个优秀的标注员，这种标注员在审核时会同样把自身对标注的要求传达给其他标注员，这对于提升标注数据的整体质量是有很好的帮助带动作用。
项目经理
项目经理主要就是对于项目组的各个成员(包括标注员和审核员)的管理，项目经理最好是能够有一定的AI基础。
有AI基础的项目经理，在和上游需求公司对接的时候能够供轻松的进入项目本身，能够更快更准确的了解上游公司标注的具体需求，减少沟通时间的同时，避免因为沟通规则上的误差导致下游标注员重复返工的情况。
数据标注类型
1.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，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
2.标框标注：机器视觉中的标框标注，很容易理解，就是框选要检测的对象。如人脸识别，首先要先把人脸的位置确定下来。行人识别，如下图。
适用：图像
应用：人脸识别，物品识别
3.区域标注：相比于标框标注，区域标注要求更加精确。边缘可以是柔性的。如自动驾驶中的道路识别。
适用：图像
应用：自动驾驶
4.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。
适用：图像
应用：人脸识别、骨骼识别
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。）
数据标注的过程
1.标注标准的确定
确定好标准是保证数据质量的关键一步，要保证有个可以参照的标准。一般可以：
设置标注样例、模版。例如颜色的标准比色卡。对于模棱两可的数据，设置统一处理方式，如可以弃用，或则统一标注。
参照的标准有时候还要考虑行业。以文本情感分析为例，“疤痕”一词，在心理学行业中，可能是个负面词，而在医疗行业则是一个中性词。
2.标注形式的确定
标注形式一般由算法人员制定，例如某些文本标注，问句识别，只需要对句子进行0或1的标注。是问句就标1，不是问句就标0。
3.标注工具的选择
标注的形式确定后，就是对标注工具的选择了。一般也是由算法人员提供。大公司可能会内部开发一个专门用于数据标注的可视化工具。如：
也有使用开源的数据标注工具的，如推荐 Github 上的小工具labelImg
数据标注产品的设计
目前拥有标注工具产品的公司有: 百度,阿里,京东,龙猫,数据堂等