在ChatGPT掀起人工智能熱潮的當下，數(shù)據(jù)標注作為支持機器學習和人工智能發(fā)展的關(guān)鍵環(huán)節(jié)之一也成為了熱門話題。

　　一方面，人工智能的興起帶來模型訓練所用結(jié)構(gòu)化數(shù)據(jù)的巨大需求，數(shù)據(jù)標注的重要性逐漸突顯。另一方面，人工智能在數(shù)據(jù)標注領(lǐng)域所取得的突破性進展，也推動數(shù)據(jù)標注行業(yè)從勞動密集型向技術(shù)驅(qū)動轉(zhuǎn)型，AI輔助標注、自動標注備受關(guān)注。

　　傳統(tǒng)的數(shù)據(jù)標注主要依靠標注員手動標注，輸出的數(shù)據(jù)結(jié)構(gòu)和信息量簡單，無法處理高維數(shù)據(jù)，效率低周期長，標注成本也高。而以ChatGPT為代表的預訓練大模型不僅可以對數(shù)據(jù)進行自動化標注，節(jié)省時間和人力成本。同時利用先進算法技術(shù)支撐，還能盡可能地保證標注的準確率，特別是對于復雜和大規(guī)模的數(shù)據(jù)集。

　　標貝科技 基于大模型 能力 的AI自動標注

　　面向大模型發(fā)展的時代趨勢，長期致力于為企業(yè)提供高質(zhì)量AI數(shù)據(jù)服務的標貝科技審時度勢，提前瞄定大模型作為新的技術(shù)底座賦能，不斷對自研的AI數(shù)據(jù)標注平臺進行迭代升級，搭載AI模型的自動化標注能力，更高效地處理高復雜度的數(shù)據(jù)標注任務，實現(xiàn)規(guī)�；瘮�(shù)據(jù)生產(chǎn)。

　　標貝科技AI自動標注基于大模型完善的知識儲備以及強大的泛化能力，能夠?qū)崿F(xiàn)對于音頻、文本、圖像和點云等多種數(shù)據(jù)內(nèi)容的理解和分析，根據(jù)需要對通用場景和定制化場景數(shù)據(jù)格式化處理和輸出，在保證高效處理的前提下，又能夠確保標注結(jié)果的高準確率。

　　同時，標貝科技基于大模型的底座，針對特定場景，進行模型的快速調(diào)優(yōu)，實現(xiàn)3D點云、2D圖像等場景下，目標檢測、目標追蹤、車道線識別、可行駛區(qū)域識別、圖像分割、點云分割等多個方向的自動化標注，極大的提升標注效率和質(zhì)量，降低人工成本。

　　●3D點云追蹤標注場景

　　在實際項目中，經(jīng)常出現(xiàn)不同幀采集的數(shù)據(jù)截斷、遮擋角度變化，或者標注員主觀偏差，導致標注效率降低，使得整個標注周期成倍增加等問題。

　　就此問題，標貝科技基于AI自動標注能力對點云連續(xù)幀數(shù)據(jù)進行預處理，通過濾波、降采樣、重采樣等操作優(yōu)化點云文件。然后使用預處理模型進行特征提取，將相同物體進行目標關(guān)聯(lián)匹配，設(shè)定同一trackID，以達到對同一物體進行追蹤標記。保持數(shù)據(jù)標注的一致性，減少主觀偏差，縮短工期。

　　●視頻車牌追蹤場景

　　標貝科技AI自動標注模型可以支持上百種物體識別，采用多目標追蹤算法對每個目標進行標識，并通過目標的特征信息來實現(xiàn)目標連續(xù)追蹤。將同一物體識別后，再把標注結(jié)果賦予同一追蹤對象。

　　例如，在視頻追蹤對齊車輛并標記出車輛車牌項目中，由于每段視頻較長，需要標注的幀數(shù)達到幾千幀，特別是視頻里遠處的車輛無法很好的提取特征，使得標注難度大幅提升。

　　針對以上難點，標貝科技將此項目進行步驟拆解：

　　(1)模型識別：通過目標檢測模型對所需標注車輛進行預識別;

　　(2)模型追蹤：通過特征匹配深度學習追蹤等算法，對同一物體在上千幀的數(shù)據(jù)中標記出同一track;

　　(3)車牌OCR：找到最清晰的一幀并進行OCR車牌識別，并將這個車牌賦予相同track屬性。

　　●OCR小票識別場景

　　在對大量不同類型的購物小票的內(nèi)容進行定位和分類時，由于小票上含有各種干擾字體給標注識別帶來一定難度。

　　標貝科技利用AI模型自動對小票整體進行識別，去除小票上的干擾信息。然后OCR模型算法對小票上的信息進行定位和識別，將識別出的文字內(nèi)容通過大模型數(shù)據(jù)理解，分類出文字的商品、價格、編號等屬性類別。

　　●2D圖像與視頻交互分割場景

　　平均1.5分鐘一段的4K視頻，每秒30幀，抽幀后每份作業(yè)2000幀+，大量重復類似的分割工作就需要大量的人工成本。這時就需要利用模型能力快速完成標注。

　　基于深度學習的分割方法，標貝科技通過圖片像素分割模型對首幀進行智能分割，然后再將首幀分割結(jié)果，通過追蹤模型自動向后續(xù)目標幀進行追蹤對齊。整體過程中，標貝科技利用多目標追蹤技術(shù)，在場景中對多個物體進行智能追蹤，將大量重復性的工作交由模型自動完成。

　　●ASR長語音標注場景

　　當語音數(shù)據(jù)的音頻質(zhì)量較低，又有大量的要劃段及轉(zhuǎn)錄的內(nèi)容，在同音字和多音字干擾下，通過輸入法打字，速度慢效率低。

　　標貝科技AI自動標注模型使用VAD能力自動切分，檢測語音信號中的有效語音部分，然后基于自動語音識別技術(shù)，將語音信號轉(zhuǎn)換為對應文本。

　　目前，標貝科技已經(jīng)對數(shù)據(jù)平臺系統(tǒng)做了全面升級，在全棧數(shù)據(jù)標注場景式中使用AI自動標注的能力，并得到顯著成效。相較于過去的純?nèi)斯�標注，獲取同等數(shù)量的數(shù)據(jù)樣本，AI自動標注的周期至少可以提效70%以上，大幅降低數(shù)據(jù)生產(chǎn)成本。

　　面對未來AI產(chǎn)業(yè)的規(guī)�；�商業(yè)落地趨勢，數(shù)據(jù)標注需求急劇上升，同時數(shù)據(jù)標注場景逐漸向個性化、復雜化的垂類進化。

　　標貝科技AI自動標注技術(shù)依托先進的機器學習算法，能夠快速處理大規(guī)模、多類型的數(shù)據(jù)，準確識別數(shù)據(jù)中的目標，進行高精度的標注。同時在標注過程中，不斷根據(jù)標注結(jié)果與實際結(jié)果的差異進行自我修正，調(diào)整模型參數(shù)，提高標注準確率，為各種垂直場景提供實時、準確的數(shù)據(jù)支持。

　　此外，標貝科技還將進一步優(yōu)化平臺工具鏈，通過算法自動標注+人工校對，做到人機全鏈路高效結(jié)合，實現(xiàn)數(shù)據(jù)生產(chǎn)閉環(huán)流程，全方位提升數(shù)據(jù)生產(chǎn)及管理流程的效率。