- 综合排序
- 最热优先
- 最新优先
- 来自专栏科技云报道
AI自动化标注崛起，数据标注员要失业了？
目前在自动驾驶领域，已经有车企开始采用AI进行自动化标注。 例如，特斯拉一直在积极推进自动化标注的进展，从2018至今，特斯拉的标注经历了4个阶段： 第1阶段(2018)：只有纯人工的二维的图像标注，效率非常低； 第2阶段(2019)：开始有3D label，但是是单趟的人工的 ； 第3阶段(2020)：采用BEV空间进行标注，重投影的精度明显降低； 第4阶段(2021)：采用多趟重建去进行标注，精度、效率、拓扑关系都达到了极高的水准。 在国内，理想汽车董事长兼CEO李想曾在2023年4月份举行的一场论坛上表示，当理想汽车使用软件2.0的大模型，通过训练的方式进行自动化标定，过去需要用一年做的事情，基本上3个小时就能完成，效率是人的1000 数据标注公司已做好了随时裁员的准备，同时向做自动化标注工具的方向发展。
1K10编辑于 2024-01-29 - 来自专栏python与大数据分析
图像标注版本4-多标注框+标注标签+高亮和删除标签
4.0版本在3.0版本基础上增加了双击某个位置时，如果这个位置在标注框内，则对选中的标注框进行标识出来，同时提示是否要删除当前选中的标注框，进行删除处理。 # 如存在在多个被标注框内，则显示最新标注的那个 # 再询问是否要删除标注框 # 如果确定要删除，则删除当前坐标所在的标注框 def mouseDoubleClickEvent Qt.SolidLine)) painter.drawRect(rect) painter.drawText(point[0], point[1], point[4] , abs(point[0] - point[2]), abs(point[1] - point[3])) painter.setPen(QPen(Qt.green, 4, ) painter.drawRect(rect) painter.drawText(point[0], point[1], point[4]
82810编辑于 2023-09-03 - 来自专栏新智元
GPT-4终结人工标注！AI标注比人类标注效率高100倍，成本仅17
所以，包括谷歌，Anthropic在内的AI巨头和大型独角兽，都在进行数据标注自动化的探索。 refuel称，用自动化的方式标注数据，相比于人工标注，效率最高可以提高100倍，而成本只有人工成本的1/7！ 当Autolabel采用GPT-4进行标注时，获得了最高的准确率——88.4%，超过了人类标注结果的准确率86.2%。 而且其他比GPT-4便宜得多的模型的标注准确率，相比GPT-4来说也不算低。 开发者称，在比较简单的标注任务中采用便宜的模型，在困难的任务中采用GPT-4，将可以大大节省标注成本，同时几乎不影响标注的准确率。 GPT-4在一系列数据集中的标签质量都优于人类数据标注员。其他几个LLM的表现也在80%左右，但调用API的价格仅为GPT-4的十分之一。
1.7K41编辑于 2023-09-19 label-studio进行半自动化目标检测标注
参考https://mmdetection.readthedocs.io/zh-cn/latest/user_guides/label_studio.html，这里进行简要概述：
57400编辑于 2025-07-20- 来自专栏AI SPPECH
110_微调数据集标注：众包与自动化
- **条件句**：基于条件满足后的情感进行标注。 - **模糊表达**：当情感不明确时，倾向于标注为中性。 ## 4. 自动化标注技术 自动化标注技术是提升标注效率、降低成本的关键手段。通过结合规则引擎、机器学习和大模型技术，自动化标注可以实现部分或全部标注工作的自动化处理，大幅减少人工干预。 模型评估 # 4. t3 >> t5 >> t6 t4 >> t5 7.4 标注系统性能优化 对于大规模标注项目，系统性能优化至关重要。 + 自定义金融标注组件 大模型集成：OpenAI GPT-4 + 领域微调的金融模型 质量控制：自动化规则引擎 + 统计分析系统 隐私保护：差分隐私实施 + 敏感信息自动检测与屏蔽 流程设计 数据脱敏
76211编辑于 2025-11-16 - 来自专栏全栈程序员必看
labelme图像标注_ai标注工具
然而如果是做语义分割的任务时，就不能只是标注框里，需要用另外一种工具labelme进行标注，本文对该工具的安装使用方法进行介绍。 #anaconda 1 安装方法 1.1 Ubuntu # Ubuntu 14.04 / Ubuntu 16.04 # Python2 # sudo apt-get install python-qt4 # PyQt4 sudo apt-get install python-pyqt5 # PyQt5 sudo pip install labelme # Python3 sudo apt-get install 点击open dir，选择标注文件所在的文件夹，然后开始标注。 （如果是做语义分割，则没必要如此区分） 标注完成后，会生成一个json文件 3 文件转换 标注完成后，我们得到原图和对应的 json 文件，需要转化成 colormap 标注图，在 labelme 项目中
1.8K20编辑于 2022-10-01 - 来自专栏集智书童
自动化数据引擎 AIDE | 自动识别问题、自动标注改进模型，不在依赖大量人工数据标注！
传统的数据引擎可以分为发现问题、策划和标注数据、模型训练和评估等步骤，所有这些步骤都可以从自动化中受益。 在本文中，作者提出了一个自动改进数据引擎（称为AIDE），它利用VLMs和LLMs来自动化数据引擎。具体来说，作者使用VLMs来识别问题， Query 相关数据，自动标注数据，并与LLMs一起验证。 与依赖大量人工标注和干预的传统数据引擎相比，AIDE通过利用预训练的视觉语言模型（VLMs）和大型语言模型（LLMs）来自动化这一过程。 图4展示了一些检索到的图像的示例。 Model Updater 作者的模型更新器的目标是让检测器学会在没有人工标注的情况下检测新物体。 评估 由于作者的AI辅助开发环境（AIDE）为自动驾驶视觉（AV）系统自动化了整个数据策展、模型训练和验证过程，作者对于作者的引擎如何在图像搜索和标注的成本与新目标检测性能之间取得平衡感兴趣。
1.6K10编辑于 2024-04-18 BERT小模型超越GPT-4的标注数据需求
预测性任务中BERT规模模型超越GPT-4所需的标注样本量大型语言模型（LLMs）提供了一种新的机器学习交互范式：上下文学习。这种方法明显优于依赖显式标注数据的各种生成任务（例如摘要、问答、释义）。 上下文学习也可应用于预测性任务，如文本分类和实体识别，只需少量或无需标注示例。但上下文学习在这些任务上实际上与监督方法相比如何？ 关键优势在于需要更少的数据，但在不同问题上，一个BERT规模的模型需要多少标注样本才能在准确性上击败GPT-4？ 提高上下文学习准确性的方法涉及增加速度与准确性的权衡，表明蒸馏和LLM引导的标注将是最实用的方法。本文讨论了基于spaCy开源库和Prodigy标注工具的实现方法。 通过大量实验：许多任务，多个模型，没有GPT-4结果，在所有任务上远低于任务特定模型。
28910编辑于 2025-09-09- 来自专栏python与大数据分析
图像标注版本3-多标注框+标注标签
这个图像标注版本在前面多标注框基础上，增加了标注标签的选择，同时修正了一下之前绘制最后一个标注框的显示问题，现在看起来更像一个标注软件了。 参照labelImg的样式定义了一个自定义Dialog窗口，在这个窗口中加载了标注标签列表文件，同时这个标签是要必须选择的，或者取消。 对多标注框的代码重新做了优化，一个是关于正在绘制的标注框的显示问题，如果标签取消，则不予绘制，如果选择了标签才绘制出来 一、通过qt designer设计一个标签选择的自定义Dialog窗口 # - bboxlist中（bboxlist相对于2.0版本有所调整） 在绘制事件中，修正了对实时标注框的单独绘制 from PyQt5.QtWidgets import QWidget, QApplication Qt.SolidLine)) painter.drawRect(rect) painter.drawText(point[0], point[1], point[4]
80520编辑于 2023-09-03 - 来自专栏大数据与知识图谱
词性标注
—— 迈克尔·法拉第 词性标注简介 词性标注是在给定句子中判定每个词的语法范畴，确定其词性并加以标注的过程，即把每个词标注其为名词、动词、形容词等。 词性标注规范 词性标注将一个个词标注成名词、动词、形容词、副词等，需要用字母标记，如“n”，“v”，“a”，“d”。 北大标准/中科院标准 词性编码 词性名称 注解 ag 形语素 形容词性语素。 类似其分词流程，jieba的词性标注也是结合规则和统计的方式，其在词性标注过程中，词典匹配和HMM（隐马尔科夫模型）共同作用。 词性标注的流程如下： 首先基于正则表达式进行汉字判断，jieba源代码posseg中正则表达式为： re_han_internal = re.compile("([\u4E00-\u9FD5a-zA-Z0 Loading model from cache /var/folders/z8/vyy4cxb5461_1tzkw0qjdk300000gn/T/jieba.cache Loading model cost
1.9K10编辑于 2022-05-31 - 来自专栏全栈程序员必看
词性标注
4.10 词性标注 词性用来描写叙述一个词在上下文中的作用。比如描写叙述一个概念的词叫做名词，在下文引用这个名词的词叫做代词。有的词性常常会出现一些新的词，比如名词，这种词性叫做开放式词性。 把这个问题抽象出来就是已知单词序列 ，给每一个单词标注上词性 。 不同的语言有不同的词性标注集。比方英文有反身代词，比如myself，而中文则没有反身代词。 比如《PFR人民日报标注语料库》中把”形容词”编码成a；名词编码成n；动词编码成v等。 词性标注有小标注集和大标注集。比如小标注集把代词都归为一类，大标注集能够把代词进一步分成三类。 人称代词：你 我 他 它 你们 我们 他们 疑问代词：哪里 什么 怎么 指示代词：这里 那里 这些 那些 採用小标注集比較easy实现，可是太小的标注集可能会导致类型区分度不够。 參考《PFR人民日报标注语料库》的词性编码表，如表4-4所看到的： 表4-4 词性编码表 代码 名称 举例 a 形容词 最/d 大/a 的/u ad 副形词 一定/d 可以/v 顺利/ad
91420编辑于 2021-12-23 - 来自专栏python与大数据分析
图像标注版本2-多标注框
在网上能看到的图像标注版本多是图像标注版本1的代码，但图像标注不仅只保存一个标注框，通常都是多个标注框，而且要把这些标注框信息记录下来，当然代码也是在网上找到的，做了一些改动。 多标注的秘诀就在于增加一个bboxList列表，记录每次释放鼠标时的起始结束位置以及其他信息，在绘制事件中，将过往的bboxList存储的点位信息重新绘制出来。 self.x1 = 0 self.y1 = 0 self.rect = QRect() self.flag = False # 增加一个存储标注框坐标的列表 initUI(self): self.resize(960, 540) self.move(100, 50) self.setWindowTitle('Label标注框 2.0版本') # 加载重定义的label self.lbl = MyLabel(self) # 构造QPixmap，加载待标注图片 img
53130编辑于 2023-09-04 - 来自专栏python与大数据分析
图像标注版本1-基本标注框
由于某种需要，本人需要开发一款数据标注工具，也尝试过阅读Labelme和LabelImg代码，但无奈水平有限放弃了，最后决定借鉴其标注界面和思想。 此外图像标注，之前试过simpleGUI，但交互性有点弱，决定用pyqt5重构一下，图像标注主要包括图像文件夹的选择，图像的预览，图像标注框选，图像标注Label选择，图像标注结果存储，甚至图像的放大缩小 第二个版本，最常见到的图像标注，多个标注框显示在图片上 第三个版本，实现了标注Label的选择，并且将结果保存下来 第四个版本，实现了基于当前位置双击后，被标注框的高亮显示和删除 第五个版本，对标注框结果进行各种类型的保存 这个图将以后作为标注的基准图片。 鼠标点击及按下意味着初始坐标 鼠标移动记录标注的动作，可以画也可以不画 鼠标释放记录标注框的终点 图像绘制事件中，主要交换了一下标注框的坐标，网上很多是错的，导致标注结果不对。
88120编辑于 2023-09-04 - 来自专栏无原型不设计
摹客iDoc标注：自动标注一键生成，手动标注自由补充
为什么标注需要「自动+手动」？ 手动标注到自动标注，在设计界是有一个演化的过程的。 4、颜色标注 单击即可提取设计稿任意元素的色值信息，包括设计稿切图上任意元素的色值信息也可标记。 ? 此外，定稿模式中还支持自定义标注的线段类型、线宽、文字颜色、透明度，又快又简单。 开发模式：自动标注+手动标注完美呈现 开发工程师可按需自由查看标注信息，手动标注可选择开启或关闭。 4、标注面板 标注面板上半部分展示标注详情信息；下半部分展示样式代码。均可一键复制。 ? 5、百分比参照 按Alt可显示百分比标注，不需要提前设置参照，系统会自动选取相邻的父级图层作为百分比参考。 4、在开发模式查看标注「自动+手动」，获取标注信息 自动标注在上传设计稿后自动生成，手动标注在定稿模式中生成，两者在开发模式下都可以直接查看。
1.4K20发布于 2019-06-14 - 来自专栏无原型不设计
4款UI智能标注工具真实测评-有态度的测评
小编用同一张图的标注结果，测评一下当前市面上的各种智能标注工具，及其优缺点。 UI智能标注工具哪个好用？ 优点： 1.利于打发时间，磨炼性格； 2.试用范围：享受标注过程的人群； 3.界面很干净； 缺点: 1.标注不智能； 2.手动标注不准确，结果如上，差距较大； MarkMan，让我想起了诺基亚，但也还是感谢曾经对于标注界的贡献 优点： 1.开发可以直接复制元素代码； 2.标注比较智能，也支持百分比标注和多选标注； 3.在线的，不占内存，一个插件搞定切图和标注； 4.支持 Win／Mac, 支持 PS／Sketch / XD； 4、标你妹呀 体验地址：http://www.biaonimeia.com/ 与前两款软件对比，标注的尺寸有误差（上边距和下边距），图标的宽、高各大1px。 ? ，本来标注和切图就不太喜人，标注的时候，边标记边骂，标你妹呀，标你妹呀。。。
1.5K20发布于 2019-01-24 利用无标注数据提升序列标注技术
利用无标注数据改进序列标注虚拟对抗训练（VAT）是一种通过向无标注数据添加噪声来生成难以分类的训练样本，从而改进机器学习系统的方法。 然而，VAT不太适用于序列标注任务，即输入短语中的每个词都需要被分配单独的标签。这主要是因为VAT难以与条件随机场（CRF）集成，而CRF对于序列标注任务的最先进性能至关重要。 在实验中，使用半监督学习（即少量标注训练数据辅以大量无标注数据）在三个不同序列标注任务上，将该系统与四个性能最佳的前置方法进行了比较。在八个不同数据集上，该方法全面优于所有四个基线。 传统的对抗训练是一种监督学习技术：向标注训练样本添加噪声以使其更难分类，并根据机器学习系统预测标签的效果进行评估。VAT将这种方法扩展到半监督学习，旨在利用无标注数据。 首先，在标注数据上训练模型；然后，向大量无标注数据添加噪声，并进一步训练模型，使其对带噪声无标注数据的分类与对干净数据的分类尽可能一致。这种方法依赖于聚合统计数据的比较——干净数据和噪声数据的分类。
27410编辑于 2025-08-23- 来自专栏深度学习|机器学习|歌声合成|语音合成
标注工具：parselmouth（歌声合成语音合成标注）
文章目录 Parselmouth install 画图 音高处理 Parselmouth Parselmouth Parselmouth是praat的python接口。 论坛讨论地址：https://groups.google.com/g/parselmouth install $ pip install praat-parselmouth 画图 import parselmouth import numpy as np import matplotlib.pyplot as plt import</
1.2K20发布于 2021-01-27 无服务器定制NLP与LLM及自动化标注技术解析
无服务器定制NLP与LLM及自动化标注技术解析技术架构概述基于大型语言模型（LLMs）的人机协同蒸馏技术为构建定制化信息抽取系统提供了可扩展的解决方案。 本文介绍如何通过无服务器云平台与智能标注工具的集成实现端到端流程优化。环境配置方案安装标注工具及其无服务器插件后，需通过python -m modal setup完成认证。 ", "password": "XXXXXX", "host": "your-neon-host.aws.neon.tech" } }}自动化标注实现预计算标注策略通过 LLM预生成标注可避免实时标注中的延迟和API不稳定问题。 标注结果存储于远程数据库，支持本地访问验证：数据质量优化人工校正机制通过textcat.manual配方加载预标注数据，在浏览器界面进行可视化校正。
31210编辑于 2025-09-21- 来自专栏全栈程序员必看
标注工具labelme_数据标注从哪里接单
Labelme 安装要求 4. Labelme 安装方法 5. Labelme 安装要求 Ubuntu / macOS / Windows Python2 / Python3 PyQt4 / PyQt5 / PySide2 4. data_annotated 4.3 Ubuntu # Ubuntu 14.04 / Ubuntu 16.04 # Python2 # sudo apt-get install python-qt4 # PyQt4 sudo apt-get install python-pyqt5 # PyQt5 sudo pip install labelme # Python3 sudo apt-get install labelme/labelme 4.5 Windows 首先按照4.1的操作安装，然后进行如下操作： # Windows 上的 Pillow5 会导致 dll 加载错误，所以请安装 Pillow4。
3.3K20编辑于 2022-10-01 - 来自专栏数据驱动实践
数学标注（公式）
annotation functionality > ###### > make.table <- function(nr, nc) { + savepar <- par(mar=rep(0, 4) par(new = TRUE) > nr <- 10 > nc <- 1 > make.table(nr, nc) $mar [1] 0 0 0 0 $pty [1] "s" > i <- 4
84430发布于 2021-10-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号