近年來，人工智能技術快速發展，其中，數據作為人工智能迭代創新的核心要素，在AI算法模型構建和應用中發揮著重要作用，也是人工智能應用落地的核心痛點。由于Al應用對數據的質量、實時性等高質量要求，需要對數據采集、清洗、信息抽取、標注、質檢、管理等環節進行更加精細的把控，需要花費大量精力，因此大部分公司都會選擇將數據外包給專業的數據標注公司。

數據標注是指給原始數據（如圖像、視頻、文本、音頻）添加標簽的過程，帶有標簽的數據被稱為訓練數據，這些標簽形成了數據屬于哪一類對象的表示，幫助機器學習模型在未來遇到從未見過的數據時，也能準確識別數據中的內容，訓練數據可以有多種形式，包括圖像、語音、文本或特征，這取決于所使用的機器學習模型和手頭要解決的任務。簡單來說，數據標注是對未經處理過的語音、圖片、文本、視頻等數據進行加工處理，從而轉變成機器可識別信息的過程。

• 圖像數據標注

圖像數據標注包括點云分割、連續幀標注、關鍵點標注、全景分割、3D點云、實體抽取、實例分割、2D/3DBOX、車道線、物體識別、2D/3D融合標注、人臉識別、立體對象檢測、融合標注、圖片快判、2D/3D拉框3D點云分割、3D追蹤、3D關鍵點、POI標記、圖片屬性標注、場所識別、泊車位標注、醫療影像標注、多邊形等。

• 語音/音頻數據標注

   

語音審核、全景語義分割、語音轉寫、TTS聲優數據、語音識別、3D空間語義分割、語音識別、語音合成、語音拓展、語音快判、聲音復制、情感合成、聲紋識別、意圖判斷、指代消解、語義分析、點云語義分割、語音評測、語音喚醒、AIUI人機交互等。

• 文本數據標注

文本標注類型較為豐富，但不論哪種類型，它背后的主要意圖是讓機器學習算法能夠理解文本背后的語義含義，一個較為常見的用例是實體提取，人類標注員通過對文本的特定詞匯或短語賦予相應的標簽用來訓練機器學習算法，使其能夠分析文本中的關鍵信息并具有一定的推理能力。

• 視頻標注

視頻分類、連續幀標注、視頻目標跟蹤、視頻標注、視頻打點、視頻轉錄、視頻分割等。普遍應用于人臉識別支付、自動駕駛、安防、機器人檢測。