基于深度學習的現(xiàn)代計算機視覺模型，其性能主要取決于的大量已標注的可用訓練數(shù)據(jù)集，例如 Open Images 數(shù)據(jù)集。然而，如何獲得高質(zhì)量的訓練數(shù)據(jù)，成為計算機視覺發(fā)展的主要瓶頸。如在無人駕駛、機器人和圖像搜索之類的應用中，使用的一些像素級目標預測任務(wù)，比如語義分割任務(wù)，格外的需要更大更好的數(shù)據(jù)集。事實上，傳統(tǒng)的手工標注工具需要標注人仔細點擊圖像中每個對象的邊界，用來劃分圖像中的目標，這項工作非常乏味：COCO+Stuff 數(shù)據(jù)集中標注單個圖像就需要大概 19 分鐘，而標記整個數(shù)據(jù)集甚至需要 53000 個小時！左圖| COCO 數(shù)據(jù)集中的一張圖片； 右圖|左圖的像素級語義分割結(jié)果。（來源：Image credit）谷歌的研究人員設(shè)計了一種機器學習驅(qū)動的工具，將在 2018 年 ACM 多媒體會議的“ Brave New Ideas ”環(huán)節(jié)展示，可以用于標注圖像數(shù)據(jù)中每個目標的輪廓和背景，將其應用在標注分類數(shù)據(jù)上，可以讓標記數(shù)據(jù)集的生成速度提高至傳統(tǒng)方法的 3 倍。該方法被谷歌稱之為流體標注（Fluid Annotation），從強語義分割模型的輸出開始，人工標注者可以使用用戶界面，通過機器輔助方法進行編輯修改。谷歌開發(fā)設(shè)計的界面允許標注者選擇要改正的內(nèi)容和順序，讓他們能集中精力去處理機器尚未理解和標注的圖像。圖 | 對 COCO 數(shù)據(jù)集中的圖像使用流體標注的可視化界面。（來源：gamene）為更準確的對圖像進行標注，谷歌首先通過預訓練的語義分割模型（Mask-RCNN）來處理圖像。這一過程會生成約 1000 個圖像分割區(qū)域及其標簽和置信度。置信度最高的分割區(qū)域用來初始化標簽，呈現(xiàn)給標注者。然后標注者可以：（1）從機器生成的候選分類標簽中為當前區(qū)域選擇標簽。（2）對機器未覆蓋到的目標添加分割區(qū)域。機器會識別出最可能的預生成區(qū)域，標注者從中選擇分割效果最好的一個。（3）刪除現(xiàn)有分割區(qū)域。（4）改變重疊區(qū)域的深度順序。Demo 鏈接：https://fluidann.appspot.com（PC 平臺可用）圖 |使用傳統(tǒng)人工標注工具（中列）和流體標注工具（右列）在 COCO 數(shù)據(jù)集的三張圖像上比較標注結(jié)果。雖然使用人工標注工具時，目標的邊界一般更準確，但同一對象的標注有時會存在差異，其主要是因為人類標注者通常對某一確定目標的類別有不同意見。圖片來源：sneaka（上），Dan Hurt（中），Melodie Mesiano（下）。在讓圖像標注變得更快、更容易這個問題上，流體標注工具的出現(xiàn)只是第一步。未來團隊的目標是改進對目標邊界的標注，進一步利用人工智能提升界面運行速度，最終可以處理以前無法識別的類別，讓數(shù)據(jù)收集變得越來越高效和快捷。

一、標注環(huán)境1. 請使用谷歌瀏覽器進行標注。2.標注平臺地址：http://label.xiaojukeji.com/labelerTaskList二、標注內(nèi)容1. 語音有效性標注無效語音請在有效性一項選擇“無效”，并在標注文本一項標注大寫字母“NULL”。有效語音請在有效性一項選擇“有效”。當語音出現(xiàn)下列任意一種情況，即可標注為無效語音：1） 說話人聲音極小，小到幾乎聽不到。2） 整段語音均為靜音。3） 整段語音均為噪聲、音樂聲、導航音、廣播等。4） 整段語音只有一個字，或是同一個字重復出現(xiàn)。如：“嗯”、“對”、“對對對對”、“啊”、“喂”、“拜拜”、“謝謝”、“好好好”、“OKOK”等。（注意：“哇噻”屬于特例，單獨出現(xiàn)時也是無效的。）5） 背景噪聲大于說話人聲音，或噪聲與說話人聲音幾乎一樣大。6） 整句都是方言、外語。方言是指發(fā)音與普通話區(qū)別較大的地方話，如：粵語、上海話等。7） 語音中出現(xiàn)地點、地名、街道名等方位詞，但是地圖中搜索不到。8） 語音中有大于等于兩個人說話，除主說話人以外，其余人的聲音清晰可辨。9） 語音中有大于等于3個字聽不清楚。 2. 語音文本標注1） 語音文本內(nèi)容將說話內(nèi)容寫成文字。要求轉(zhuǎn)寫的文本內(nèi)容必須和聽到的語音完全一致，不能多字、少字。a) 除空格、占位符號、以外，標注文本不允許使用標點符號，不允許換行。b) 說話人猶豫、口吃導致出現(xiàn)重復的字也要標注出來，重復了幾次就標記幾個。如發(fā)音為：我是北北京人；“北”字有重復現(xiàn)象。轉(zhuǎn)寫文本應為：我是北北京人c) 兒化音不需要標注出“兒”字。如發(fā)音為：我在/zher4/。轉(zhuǎn)寫文本應為：我在這d) 語音中提及地名、街道名、車牌號等內(nèi)容，轉(zhuǎn)寫時需符合日常習慣。選用“路”、“街道”、“門”、“座”、“橋”等地名常用字以及“京”、“津”、“冀”等車牌號常用字。e) 語音中提及地名、街道名、店鋪名、專有名詞，需要準確轉(zhuǎn)寫。可根據(jù)讀音在地圖中查找，確實存在該地點則進行準確標注，搜不到則無效；f) 語音中確實聽不清楚的個別單字，用占位符號【~】標記。一組【~】符號代表一個字。在整段語音中，最多只能有兩組【~】符號。若有三個字或更多聽不清楚，則標注為無效。（見“語音有效性標注”第8條）g) 語音中不涉及地名、專名的部分，若發(fā)音清晰但文字不確定，可以用同音字標注，要求標注用字的聲韻調(diào)與實際發(fā)音完全一致。如發(fā)音為：我姓/zhang1/。標注成“我姓張”或“我姓章”都算正確。h) 數(shù)字要寫成漢字形式，注意區(qū)分“一”和“幺”、“二”和“兩”，按實際讀音寫。i) 英文字母要轉(zhuǎn)寫成大寫字母。j) 音頻中說話人清楚說出的語氣詞，如“呃、啊、嗯、哦、唉、吶、呢”等，要按照正確發(fā)音進行轉(zhuǎn)寫。語氣詞除了“了、不”沒有口字旁，其他基本上都有口字旁。注意：語氣詞“唉”、“誒”不分的，統(tǒng)一用“唉”。 3.語言情況標注1）語音中全部內(nèi)容均為中文，請選擇“中文”。2）只要語音中含有英文，不論是單個字母還是單詞、不論出現(xiàn)的數(shù)量有多少，都需要選擇“英文”并且字母全部大寫。1、遇到英文單詞和英文字母都需要用英文大寫形式表現(xiàn)。例如：SORRY SORRY我現(xiàn)在在阜成路麻煩你掉個頭2、單詞與單詞之間加空格 。例如：我把我的APPLE SEVEN PLUS落在了車上麻煩師傅還給我一下3、字母與字母之間加空格。例如：我下了好幾回這個A P P了但是怎么安裝都是失敗的請問客服我該怎么辦4、英文單詞或者英文字母與漢字之間不需要空格。例如：我的車牌號的京A三六七八5、特殊字：對于OK這一類常用詞，默認為一個單詞，盡管是拼讀成字母發(fā)音的。對于無從適配上述規(guī)則的及時與我們溝通 4. 說話人性別標注按說話人的音色實際情況進行標注。若無法明確區(qū)分男女，不論是成人還是兒童，都標注為“女”。三、標注常見問題總結(jié)1. 短句如何判斷有效性？答：短句只要有大于或等于兩個不重復的音節(jié)，即為有效。例如“嗯好的”、“明白”、“可以”等。 2. 有明顯口音，但能聽懂，需要標注嗎？答：口音但不影響理解的，音頻中個別幾個字的方言可以使用同音字標注。聽不清音節(jié)的方言也無法使用同音字標注的，可以使用【~】，大于或等于三個字需使用【~】符號的情況下。參照“語音有效性標注”第8條規(guī)則，標記為無效。 3. 標注時有的口音能聽懂，是按聽的音來標注還是按普通話來標注，標注需要符合現(xiàn)實邏輯嗎？答：一般情況下口音按實際發(fā)音來標注。以下情況請?zhí)貏e處理：常用詞語和專有名詞需按現(xiàn)實邏輯標注（如：發(fā)音是“現(xiàn)/xian4/生”標為“先生”,“滴滴專/ce1/”標為“滴滴專車”等等） 5. 音頻中一串數(shù)字如【12531】轉(zhuǎn)寫為一二五三一還是吆二五三吆？答：轉(zhuǎn)寫的文本要和語音實際讀法完全一致。若讀為yi1，則寫一；讀為yao1，則寫幺。同理，“二”、“兩”、“倆”；“三”、“仨”也需要區(qū)別使用。 6. 一段很短的音頻中語速過快，有時候聽起來像三個字又像兩個，是不是都能判斷合格？答：短音頻且內(nèi)容無法聽清的情況下，標記為無效。長音頻中很小的一部分，無法確定內(nèi)容時，參照“語音文本內(nèi)容”下f項、【~】符號使用規(guī)則進行。 7. 一段音頻中語速過快，能聽清某些音節(jié)但大多部分不能做出準確判斷寫不出是否可以判斷無效?答：判斷為無效 8. 一段音頻中出現(xiàn)導航儀發(fā)出的聲音或者只有導航儀的聲音算噪音嗎？答：整段只有導航音，標記為無效。只有一部分出現(xiàn)導航音的時候，看聲音大小，如果與說話人音量接近或者大于說話人聲音，標記為無效。 注意：如果一句話里面只說了幾個字方言，其他都是帶口音的普通話，不要直接標無效，那全方言的字按聽到的音來標，比如：說的是上海話gege，就標成“葛個”，而不是標成“那個”。語氣詞無法轉(zhuǎn)寫的可以找同音字或相近音字轉(zhuǎn)寫；全方言無效 關(guān)于地點、地名、街道名等方位詞，這些詞我們需要使用地圖搜索引擎搜索如果地點、地名、街道名等詞語很長且詞發(fā)音很清晰，但使用地圖搜索引擎搜索不到這個地點。即使這句話其他部分可以完整的轉(zhuǎn)寫出來，但依舊視為無效。二、關(guān)于英文轉(zhuǎn)寫原規(guī)范為：英文字母要轉(zhuǎn)寫成大寫字母。        細化：1、遇到英文單詞和英文字母都需要用英文大寫形式表現(xiàn)。例如：SORRY SORRY我現(xiàn)在在阜成路麻煩你掉個頭2、單詞與單詞之間加空格 。例如：我把我的APPLE SEVEN PLUS落在了車上麻煩師傅還給我一下3、字母與字母之間加空格。例如：我下了好幾回這個A P P了但是怎么安裝都是失敗的請問客服我該怎么辦4、英文單詞或者英文字母與漢字之間不需要空格。例如：我的車牌號的京A三六七八5、特殊字：對于 OK 這一類常用詞，默認為一個單詞，盡管是拼讀成字母發(fā)音的。對于無從適配上述規(guī)則的，我們及時向海瑞提出。三、噪音符號這部分，這部分依舊不用添加。 四、關(guān)于標普、方普、方言如何轉(zhuǎn)寫    1、標普：就是普通話，我們是一定要轉(zhuǎn)寫的。    2、方普：就是方言普通話，例如廣州人說普通話，上海人說普通話，天津人說普通話等等，這些是需要轉(zhuǎn)寫的。只是他們在說普通話的時候會有一些口音。例如發(fā)音說：我現(xiàn)在湖南（fu2聲 lan2聲）長沙市中心你來接我一下     他說的是“fu lan”我們正常書寫成“湖南”即可。    3、方言：直接視為無效即可，例如：粵語、上海話、江蘇話等等。