数据标注员让中国在全球人工智能行业得到优势

为了保持人工智能的世界领先地位,中国依靠年轻的“数据标注员”,他们每天工作8小时处理大量数据,使计算机变得聪明。

中国MINQUAN - 周俊凯的办公室坐落在东沙河的边缘,这是一个沉重的水体,将中国中部河南省的一个拥有318,000的小镇Minquan的新旧部分分开。正是在这里,19岁的周某今年夏天与他26岁的堂兄一起创办了他的小型数据贴标商店。

编辑


右边的周俊凯和他的表弟陈锐站在他们办

君鹏科技公司办公室是一个租用的传统庭院住宅,位于中国的农村地区。这些房屋很大,有两三层高,不像中国各地普遍存在的公寓楼。在房子后面,一名男子在一片土地上耙死了叶子,周说这些土地仍然用于庄稼。

在里面,唯一温暖的房间是办公室,十几个年轻人坐在宽大的发光屏幕前。在11月的一天,屏幕和荧光灯几乎没有照亮房间,污染程度已经阻挡了太阳,烟雾弥漫着浓雾。

周毕业后从贸易学校毕业,并一直在寻找可以做的事情。可能性是有限的。

编辑


19岁的周俊凯来自民权以外的一个村庄。

“如果你不知道将来你会做什么,你可以去一个大城市,成为一名白领工人,然后每天都会挤进公共交通工具,”他说。“至于其他[领域],如果你想成为第一,你需要大量的知识,经验和教育。这些是我们没有的东西。“

他说,很难找到一份汽车修理工的工作。他短暂地在一家工厂工作然后辞职。那些转变是艰苦的 - 14小时的日子。

“我以为我再也受不了了,”他说。但“这个行业感觉它有潜力。”

18岁的赵梦瑶不再适合这份工作。她于10月份开始在周的公司工作。当我访问办公室时,她正在追踪停车场停车位的白线。画面扭曲,线条弯曲,好像相机有一个鱼眼镜头,但她轻松地将它们鼠标悬停在它们上面。20分钟后,赵继续前往她的照片中的下一张照片。这是另一个停车场的照片,从不同的角度来看。

编辑


一名年轻女子研究如何标记汽车照片。数


在她旁边,一个年轻人像素一样围绕着歌手橙色连衣裙的蓬松边缘。在那之后,他开始追踪一个打高尔夫球的人的轮廓。

赵曾经是一个婚礼肖像工作室的化妆师,但因为她发现工作疲惫而辞职。有几天她必须在凌晨4点醒来准备客户的拍摄,并将在晚上7点之前回家。

现在,她说,她从上午8点开始,下午6点离开,中间休息一个半小时。在午休时间,赵和她的同事在他们在相同的游戏机上玩游戏时进行了很快的评论。

“我觉得这很不错。这里有很多自由,“她说。

赵说工资还可以。她每张20张照片获得报酬,大约20元人民币(约合3美元)。她每天可以完成4到8套,或80到160张照片。当我问她认为照片会去哪里时,她说她不知道。

未来希望人工智能数据标注人员有一个稳定长久的收入。

记者 汇众吴




推荐文章

标注说明 标注范围说明:要进行标记的对象:站着、坐着、蹲着、躺着、抱小孩、背小孩、容器(购物车、婴儿车)中的小孩、走着的人、骑车人、推车和拉杆箱。当出现以下情形时,不需标注:1) 人体性别或年龄无法区分时不需标注;2) 头部或身体遮挡或截断超过50%及以上时不需标注;3) 推车、拉杆箱存在50%及以上遮挡时,不标注推车及拉杆箱;当行人无法标注时,其推车及拉杆箱也不进行标注。 示例及说明:标注对象示例 图中的1、2、4、5均需进行标注,3、6、7、8、9、10均因遮挡过多,不进行人像标注。同一人物会出现在不同的图片中,尽量不要进行重复标注。抱小孩、背小孩的,大人小孩单独标注;容器中(推车内、拉杆箱上)的小孩,小孩单独标,容器单独标并与大人相关联左图大人小孩单独标注,需拉两个标注框,标注框可重叠。标注框的大小说明:(1) (2) (3)拉取标注框时,框的大小要贴合标注的对象,如图(1)所示,图(2)中的标注框过大,图(3)中的标注框过小。可标注对象遇到被遮挡情况,要按预估标注完整框;遇到被截断情况,需要标注可见区域。当遮挡或截断比例超过50%不进行标注。 标注属性说明:“其它”表示属性可以清晰观测但是不在现有选项内。“不明确”表示标注人员无法观测到属性。部分属性无法判断可选择“不明确”类型:行人、骑车人。骑车人的车不作为附属进行标注。遮挡:完全未遮挡、部分遮挡、大部分遮挡;完全未遮挡(0%)部分遮挡(0%~20%)大部分遮挡(20%~50%); 红色标注的人被部分遮挡截断:完全未截断、部分截断、大部分截断;完全未截断(0%)部分截断(0%~20%)大部分截断(20%~50%) 红色标注的人由于画面限制被部分截断人脸能否看清:是、否;身体朝向:正面、背面、左侧(包括左前、左后)、右侧(包括右前、右后)、不明确,具体朝向以标注人员视角为准;(左侧)(右侧)(背面)发型:光头、短发、长发、戴帽子、不明确;头发在耳朵垂以上才算短发,头发在耳朵垂以下的全是长发;眼镜:无眼镜、透明眼镜(包括只佩戴镜框)、墨镜(包括有色眼镜)、不明确;佩戴口罩:佩戴口罩、不佩戴口罩、不明确;性别:男、女;性别不明确不进行标注年龄:婴儿、小孩、学生、青年、中年、老年;婴儿特指无法走路,还在手推车里的小孩(0-3)小孩指10岁以下(4-9)学生指初高中(10-18)青年指大学生以上(19-40)中年(41-60)老年(60以上)人种:亚洲人、白人、黑人、不明确;全身:是、否;可标注的人物穿着类似背带裤或者裙裤等从身体连到脚的衣服时,全身属性选择“是”,当可以看清标注对象上衣下衣情况时(包括及膝的连衣裙,也能看见裤子),全身属性选择“否”。上衣类型:户外外套、西装外套、毛衣、t恤、衬衫、连帽衫、无袖上衣、披肩、其他、不明确;全身属性为“是”时,上衣类型选择“不明确”;全身属性为“否”时,上衣类型根据实际情况进行标注。上衣类型为多选框(比如毛衣上披了披肩),如下图所示,外套和内衬均可进行选择。 上衣颜色:黑、白、灰、橙、黄、绿、青(蓝绿色)、蓝、紫、洋红(红偏粉)、红、棕、其它(其它颜色)、不明确;上衣颜色无需考虑全身情况,依旧按照实际情况进行标注。按照图像中标注人员主观判断颜色占比,选取占比最大的颜色,如果是杂乱花纹就标注“其他”。颜色均匀分布选择“其它”。颜色属性比较多,不要选错。上衣纹理:纯色、条纹、格子、大色块(主要颜色占大部分)、其它(其他纹理)、不明确;上衣纹理无需考虑全身情况,依旧按照实际情况进行标注。大色块代表某种颜色占据上衣大部分区域,如上衣外套是黑色,打底是白色,纹理为大色块;如上衣是黑色,包包的带子是白色且较宽、面积大些,纹理也为大色块。上衣纯色且遮挡很少(纯色上衣佩带窄带的斜挎包)记为纯色。下衣类型:下衣类型:长裤、短裤、长裙、短裙(以膝盖为界)、不明确;全身属性为“是”时,下衣类型选择“不明确”;全身属性为“否”时,下衣类型根据实际情况进行标注。下衣如果光腿颜色标注“其他”,如果穿

热门文章

简单讲:互联网数据标注员是借助电脑或者移动设备对一些原始的数据进行处理,生产出满足AI公司机器学习需要数据的一群人。按照数据处理对象的不同,工作内容也会有差别,标注员的工作内容可以分为:分类;框选;注释;标记。按照所处公司的不同,标注员的工作方式也会有差别:有的人工智能公司处于对数据安全性考虑会自建标注团队,在这些公司工作的标注员可以保证自己工作内容不会出现太大变动;但一些服务于人工智能公司非专业外包公司标注员的工作则是项目制的,一个项目忙完紧接着做另一个项目,这样工作内容连续性较差,对一种类型的项目经验也不会积累的太多。就目前来说,人工智能还处于人工增长阶段,机器依然需要大量的数据进行训练,测试。标注员在当下也会一直存在,而且从业群体会越来越多,所以暂时不用担心这份职业会不会短期消失。就标注员从业来说,建议选择人工智能公司和专业的数据公司,这样可以保证自己在一个方向上了解的足够深入。就职场晋升来说,以牛牛数据为例:标注员——项目经理——项目总监——数据运营总监。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。<img src="https://pic2.zhimg.com/50/v2-df93dc0a7e8a5fe387dc3774748b5f05_hd.jpg" data-caption="" data-size="normal" data-rawwidth="700" data-rawheight="400" class="origin_image zh-lightbox-thumb" width="700" data-original="https://pic2.zhimg.com/v2-df93dc0a7e8a5fe387dc3774748b5f05_r.jpg">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。<img src="https://pic2.zhimg.com/50/v2-7824903d6d840e2bb08d96b5c2fa5874_hd.jpg" data-caption="" data-size="normal" data-rawwidth="591" data-rawheight="398" class="origin_image zh-lightbox-thumb" width="591" data-original="https://pic2.zhimg.com/v2-7824903d6d840e2bb08d96b5c2fa5874_r.jpg">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。<img src="https://pic3.zhimg.com/50/v2-4bc1dd2278182acf94fc426d7e6f2dc1_hd.jpg" data-caption="" data-size="normal" data-rawwidth="601" data-rawheight="377" class="origin_image zh-lightbox-thumb" width="601" data-original="https://pic3.zhimg.com/v2-4bc1dd2278182acf94fc426d7e6f2dc1_r.jpg">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。<img src="https://pic4.zhimg.com/50/v2-5e24f394516c75e45942c37ba0da85c0_hd.jpg" data-caption="" data-size="normal" data-rawwidth="583" data-rawheight="387" class="origin_image zh-lightbox-thumb" width="583" data-original="https://pic4.zhimg.com/v2-5e24f394516c75e45942c37ba0da85c0_r.jpg">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、有什么发展前途?数据标注员可以说是AI消灭了一部分工作又创造出来的一种工作。在未来AI发展良好的前提下,数据的缺口一定是巨大的。可以预见3-5年内数据标注员的需求会一直存在。至于发展,其实所谓一些熟能生巧的工作,都是有被替代掉的风险的。深度学习解决的一件事情就是熟能生巧。在这个岗位上,其实你的一些想法就代表了AI的想法,AI会根据你标注的数据进行学习,想想还是有点成就感的。数据标注可以说是AI的入门级岗位,未来可转向其他AI岗位。如项目实施顾问等,这就要求更多的工作技能,需要再工作中积累。作者:跹尘链接:https://www.zhihu.com/question/30654399/answer/264828926来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。