人工智能深度学习的数据标注已经发展成为一个全新的行业，机器学习对于数据的需求不仅仅数量在上升，质量和精确度也在不断的增加。

数据标注有哪些类型？我们通过这篇文章给大家做个介绍。

基础的数据标注类型有计算机视觉、语音工程、自然语言处理。

1、计算机视觉类：

拉框标注：用2D框、3D框、多边形框等标注出图像或视频数据中的指定目标对象。

语义分割：标记图像中存在的内容及位置，根据属性进行像素级分割，支持单属性、多级属性。

3D点云标注：将点云数据图像中的多类指定对象使用3D框进行标注。

关键点标注：对人脸关键点、人体骨骼关键点、人脸五官等进行关键点标注。

线标注：支持贝塞尔曲线和普通线段标注，支持对车道线进行贝塞尔曲线标注，使用线段将图像目标的边缘、轮廓用线段标注。

2D/3D融合标注：对2D平面图与3D点云图映射的数据组进行标注，支持自动贴边、跨帧复制、测距、2/3D图片标注分离等多种功能。

2、自然语言处理类：

OCR转写：将图像中的文字进行识别，并以文本的形式转写。

文本信息抽取：把文本里包含的信息进行分类和打标签等结构化处理。

NLU语句泛化：基于特定文本数据进行多角度泛化，以不同的描述方式重组语句。

词性标注：基于特定文本数据进行词性理解标注，如动词、名词、形容词等。

情感判断：针对指定文本数据，判断该文本的情感类别并给出相应的标签，如积极、消极等。

意图判断：常使用分类的方法将句子分为相应的意图种类，进而判断语义意图。

3、语音工程类：

ASR语音转写：提取语音数据特征，转写为对应的文本或命令。

语音情绪判定：从语音数据中识别说话人的情绪状态。

声纹识别标注：对音频数据中的说话人进行辨认或确认。

语音切割：根据需求，将语音实现分段切割。

以上就是给大家介绍的关于常见的数据标注类型的内容，除了这些大类外，每个大类下面又细分很多小类，简单来说，数据标注是构建训练灵活、高表现的机器学习算法的关键步骤。在大数据时代，数据标注变的尤为重要，因为它能教会机器如何向人类一样理解和处理问题。