PRODUCTION STATUS / RUNNING DATA PIPELINE / v1.0 CN · ZAOZHUANG 周一至周六 09:00 - 18:00

GLOSSARY 术语表

数据标注术语表:26 个常用概念

按标注类型、模型训练与质量评测分组,每条给出可独立引用的定义。找不到的词,可以直接问我们。

一句话回答

数据标注是把原始数据转成模型可学习标签的过程;常用术语集中在三类:标注形态(框、分割、关键点、3D 框)、模型训练(SFT、RLHF、偏好数据)与质量评测(黄金集、一致性、仲裁)。

通用与流程

数据标注Data Annotation / Labeling
给原始数据(图像、文本、语音、视频、点云)附加结构化标签的过程,让机器学习模型能够从中学习规律。
人工标注Manual Annotation
由人依据标注规范对数据打标,区别于模型预标注与自动规则生成,通常用于需要语义判断的任务。
标注规范Annotation Guideline / SOP
定义类别含义、边界判定、正反例与冲突处理顺序的文档,是保证多人标注一致性的前提。
仲裁Adjudication
对分歧样本由更高一级人员依据规范做出最终判定,并将结论回写规范。
预标注Pre-annotation / Pre-labeling
先用模型生成初始标注,再由人工修正,可显著降低跟踪与分割类任务的人力成本。
难例挖掘Hard Example Mining
筛选模型预测置信度低或损失高的样本优先标注,提高单位标注量的训练收益。

图像与点云

2D 框标注Bounding Box
用矩形框住目标的外接范围,是最常见的检测类标注形式,成本低但无法表达精确轮廓。
语义分割Semantic Segmentation
按像素给图像分类,同类目标不区分个体,用于区域理解如路面、建筑、植被。
实例分割Instance Segmentation
在像素级分割的基础上区分同类目标的不同个体,适合密集堆叠与计数场景。
关键点标注Keypoint Annotation
标出目标上具有语义意义的点位(关节、角点、中心),用于姿态估计与定位。
3D 立方体标注3D Bounding Box
在点云中标注目标的长宽高与朝向角,是自动驾驶感知训练的核心标签。
点云分割Point Cloud Segmentation
对激光雷达点云逐点分类或聚类,输出三维空间的语义结构。

视频与语音

多目标跟踪Multi-Object Tracking (MOT)
在连续帧中维持每个目标的唯一身份,输出带 ID 的轨迹。
跨帧一致性Temporal Consistency
同一目标在相邻帧之间的标注结果保持连贯,不出现身份跳变或框体抖动。
语音转写Transcription
把音频内容逐字转为文本,通常附带时间戳与说话人信息。
说话人分离Speaker Diarization
识别一段音频中有几个说话人,并标出各自发言的时间区间。

文本与大模型

命名实体识别NER
从文本中抽取人名、机构、地点、时间、金额等具有特定意义的实体。
情感分析Sentiment Analysis
判断文本表达的情绪倾向(正/负/中性)或更细的情绪类别。
SFTSupervised Fine-Tuning
用人工撰写的高质量问答对对大模型做监督微调,使其遵循指令风格。
RLHFReinforcement Learning from Human Feedback
用人工偏好判断训练奖励模型,再以强化学习优化大模型输出。
偏好数据Preference Data
对同一输入的多个输出做排序或打分形成的数据,是 RLHF 与 DPO 的训练基础。

质量与评测

黄金集Golden Set
带标准答案的小规模评测集,用于日常抽检标注质量与培训考核。
盲测集Blind Test Set
标注者与模型都未见过的评测集,用于客观验收模型或供应商的真实水平。
标注者一致性Inter-Annotator Agreement (IAA)
多个标注员对同一批数据判断的一致程度,衡量规范是否清晰、任务是否可执行。
Cohen's KappaCohen's Kappa
排除随机一致后的一致性统计量,常用于两名标注员之间的分类任务评估。
数据脱敏De-identification
移除或替换数据中的个人身份信息与敏感内容,降低合规风险。

NEXT STEP

不确定你的任务叫什么?

描述一下数据长什么样、要模型学会什么,我们帮你对齐术语与方案。

描述你的标注需求