3.7 数据标注

数据标注（Annotation）是指对数据进行打上标签，以用于训练机器学习模型。例如：

在大规模机器学习任务中，注释是不可或缺的，尤其在以下方面：

监督学习 – 大多数机器学习模型依赖标注（注释）数据进行学习。

准确性与性能 – 注释质量越高 → 训练效果越好 → 模型表现越出色。

偏差减少 – 高质量、具有多样性的注释数据有助于模型做出更公平的预测。

可解释性 – 注释示例有助于人类理解模型的学习过程。

在 CantorAI Design Studio 中，我们提供了几个关键的标注功能。

Galaxy 提供强大的标注工具和自动化功能，简化基于视觉的标注流程：

手动标注：
- 提供工具，用于手动标注对象和执行分割。
自动标注流水线（Auto-Annotation Pipeline）：
- 使用预训练的视觉模型自动完成标注。
- 利用先进的 LLM（大语言模型）视觉模型，检测并识别未标注的对象。
- 通过手动调整和更新迭代优化标注结果。

在CantorAI Design Studia的标注页签，提供了大量有关标注的工具。

图像数据标注

在CantorAI Design Studio里，预先集成了多个可以用于进行自动化标注的模型，比如：

等机器学习模型。

在Cantor AI Design Studio的“标注”页打开一个图像文件，点击“自动识别”窗口中的模型图标，系统将根据已选模型对当前图像自动完成对当前图像的标注。

不同系统使用的标注软件使用不同格式的标注数据。CantorAI Design Studio 提供格式转换工具。比如，从voc转换为auriga格式，或反之。