人脸识别数据标注（人脸识别数据标注员怎么面试）

科灵网 2024年05月17日 05:43 159 0

数据标注是做什么的

首先谈谈什么是数据标注。数据标注有许多类型，如分类、画框、注释、标记等等，我们会在下面详谈。

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。

这边可以顺带提一下训练集和测试集的概念。训练集和测试集都是标注过的数据，还是以苹果为例子，假设我们有1000张标注着“苹果”的图片，那么我们可以拿900涨作为训练集，100张作为测试集。机器从900张苹果的图片中学习得到一个模型，然后我们将剩下的100张机器没有见过的图片去给它识别，然后我们就能够得到这个模型的准确率了。想想我们上学的时候，考试的内容总是不会和我们平时的作业一样，也只有这样才能测试出学习的真正效果，这样就不难理解为什么要划分一个测试集了。

我们知道机器学习分为有监督学习和无监督学习。无监督学习的效果是不可控的，常常是被用来做探索性的实验。而在实际产品应用中，通常使用的是有监督学习。有监督的机器学习就需要有标注的数据来作为先验经验。

在进行数据标注之前，我们首先要对数据进行清洗，得到符合我们要求的数据。数据的清洗包括去除无效的数据、整理成规整的格式等等。具体的数据要求可以和算法人员确认。

二、常见的几种数据标注类型

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。）

三、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

四、数据标注产品的设计

结合自己做过一款数据标记工具谈谈设计数据标注工具的几个小技巧。

一个数据标注工具一般包含：

进度条：用来指示数据标注的进度。标注人员一般都是有任务量要求的，一方面方便标注人员查看进度，一方面方便统计。

标注主体：这个可以根据标注形式进行设计，原则上是越简洁易用越好。根据标注所需要的注意力可以分为单个标注和多个标注的形式，可根据需求选择。

数据导入导出功能：如果你的标注工具是直接数据对接到模型上的，可以不需要。

收藏功能：这个可能是没有接触过数据标注的不会想到。标注人员常常会出现的一种情况就是疲劳，或者是遇到了那种模棱两可的数据，则可以先收藏，等后面再标。

质检机制：在分发数据的时候，可以随机分发一些已经标注过的数据，来检测标注人员可靠性。

人脸识别数据标注（人脸识别数据标注员怎么面试）-第1张图片-科灵网

人脸识别技术是什么？如何进行人脸识别数据标注？

最近几年国内外吹起了了一场AI风,AI技术浪潮也成为了一种趋势.人脸识别作为最近几年发展的还算成熟的一项ai技术,也引起了众多人的关注.鉴于技术的日趋成熟，现阶段的人脸识别技术已经在具体场景落地尝试，如会议人脸签到、人脸识别智能门禁、安防监控人脸识别报警功能，还有最接近大众群体的智能手机人脸解锁功能。

人脸识别技术是什么？如何进行人脸识别数据标注？

1、人脸识别技术

人脸识别技术大致由人脸检测和人脸识别两个环节组成。之所以要有人脸检测，不光是为了检测出照片上是否有人脸，更重要的是把照片中人脸无关的部分删掉，否则整张照片的像素都传给f(x)识别函数肯定就不可用了。人脸检测不一定会使用深度学习技术，因为这里的技术要求相对低一些，只需要知道有没有人脸以及人脸在照片中的大致位置即可。

2、人脸识别数据标注

人脸关键点是对于图像中人脸五官与轮廓定位的标注，主要用来对人脸的关键位置，如脸廓、眉毛、眼睛、嘴唇进行定位，人脸关键点检测是人脸识别过程中重要的一步人脸关键点从25点到109点，数量越来越多，越来越精细，对标注员的基本功和标注团队审核能力的要求也越来越高，标注质量的好坏，对人工智能人脸模型的算法精确度有很大作用

3、人脸技术的使用范围广

人脸识别技术现如今使用还是非常广的，例如火车站进站时刷脸和身份证，银行自助开卡时也需要动作活体，学校门口的人脸识别机器，手机端的人脸识别，连我家小区门口都安了人脸识别机器。但是其实人脸识别技术还并不是一项非常成熟的技术，也面临着各种各样的问题，例如遮挡问题，口罩，墨镜，围巾，或行人之间的遮，一种遮挡或多种遮挡等。

后记：现今，很多人都是做人脸数据标注，但是兼职的薪资要看你个人的标注熟练程度以及素材的单价，有的人一天能标几千个，有的人一天几百个甚至慢慢悠悠标几十个的，那一个月下来你的收入肯定也是天差地别，钱难挣屎难吃啊。

人脸识别技术在银行业务场景中有哪些应用？

目前人脸识别技术已广泛应用于银行的各个业务场景当中，例如手机远程开户、VIP客户识别、刷脸取款、智慧门禁等。各个场景通常使用同⼀种人脸识别算法，但不同场景下的使用环境、用户人群都不尽相同，导致识别成功率不高，偶尔会出现误识别现象，影响客户体验。因此需根据不同应用场景单独设计算法，使用应用场景积累的图片训练算法模型，从而提升人脸识别准确率，给用户带来更好的使用体验。

智慧眼人脸识别模型训练平台以深度贴合银行的实际应用场景为基础，为用户提供人脸识别算法模型深度学习训练环境，平台包含数据处理、数据标注、模型训练、模型管理等核心功能，用户可通过点选的方式设置参数，利用可视化界面监控训练结果。通过训练最终输出不同应用场景的定制化人脸识别算法模型，有效提升识别准确率。