几种常见的数据注释类型
1.分类标注：分类标注是我们常用的标注。一般从已建立的标签中选择与数据对应的标签，这是一个封闭集。一张图片可以有很多类别/标签：成人、女性、黄种人、长发等。对于单词，可以标记主语、谓语、宾语、名词动词等。
适用：文本、图像、语音和视频
应用：人脸年龄识别，情感识别，性别识别
2.帧标记：机器视觉中的帧标记，简单易懂，就是选择要检测的对象。比如人脸识别，首先要确定人脸的位置。比如行人识别等。
适用：图像
应用：人脸识别，物体识别
3.面积标注：面积标注比盒子标注更准确。边缘可以是柔性的。比如自动驾驶中的道路识别。
适用：图像
应用：自动驾驶
4.点标记：在一些对特征有详细要求的应用中，通常需要点标记。人脸识别，骨骼识别等。
适用：图像
应用：人脸识别，骨骼识别
5.其他注解：除了以上常见的注解类型，还有很多个性化的注解。根据不同的需求需要不同的标注。如自动摘要，需要标注文章要点，此时的标注严格来说不属于以上任何一项。(或者你也可以归类为分类，但是没有给要点贴标签的客观标准。如果是贴标签，苹果估计大部分人都有类似的贴标签结果。)
数据标注器可以说是AI在剔除了一部分工作之后创造的一种工作。在未来AI发展好的前提下，数据差距肯定是巨大的。可以预测，3-5年内对数据标注器的需求将一直存在。
至于发展，其实有些所谓熟能生巧的工作是有被取代的风险的。深度学习解决的一个问题是熟能生巧。在这个位置上，其实你的一些想法代表了AI的一些想法，AI会根据你标注的数据来学习。想想也有点成就感。
数据标注可以说是AI的入门级岗位，以后可以转到其他AI岗位。比如项目实施顾问等。这就需要更多的工作技能，需要在工作中积累几倍的智慧。智成长科技自主研发，自主产权，牢记开拓精神和科学价值观。围绕不同需求自主研发第三方辅助分析和标注工具。
注释工具支持各种注释形式，如图像、文本和视频
图像分类，矩形框，多边形，曲线定位，3D定位
文本分类、文本实体标注、视频跟踪等。
可扩展插件设计
插件支持自定义标注，可以根据具体需求开发不同的标注形式
导出支持主流数据集格式。
跨平台，多语言，兼容不同操作系统
支持Window/Mac/CentOS/Ubuntu，支持中/英文，满足所有团队需求。
