《數據標注工程：概念、方法、工具與案例》是人工智能技術應用核心課程繫列教材之一，通過對人工智能數據標注的概念、方法、工具與案例的繫統介紹，結合對圖像、視頻、語音、文本和3D點雲等類別數據的具體標注案例的分析與操作，使初學者可以快速掌握數據標注的基礎知識和常用方法，使從業者在提升數據標注技術水平的同時，掌握工程化數據標注的項目組織、管理和質量控制的技術與方法。
《數據標注工程：概念、方法、工具與案例》適合作為高校人工智能相關專業的教材，也可供人工智能、機器學習與深度學習愛好者閱讀，還可作為人工智能改造升級項目的規劃與實施者、人工智能數據服務從業者以及數據標注技術工程管理人員閱讀和參考。

聶明，男，1964年生人，中共黨員，博士，三級教授， 現任南京信息職業技術學院人工智能學院（籌）院長，是全國工信和信息化職業教育教學指導委員會計算機專指委委員、江蘇省"333工程”中青年學術帶頭人、江蘇省"六大人纔高峰”高層次人纔培養對像。編著出版過《移動增值應用開發導論》、《Java Web應用開發項目教程》、《VC++程序設計技能教程與實訓》和《計算機應用技術導論》等多本專著和教材。

• 
• 
• 
• 

第1章 人工智能概述\t1
1．1 人工智能發展概況\t1
1．1．1 人工智能的發展歷程\t1
1．1．2 人工智能的影響力\t3
1．1．3 人工智能的國際競爭\t5
1．2 人工智能的典型技術\t7
1．2．1 人工智能技術的分類\t7
1．2．2 語音合成\t10
1．2．3 語音識別\t11
1．2．4 自然語言處理\t12
1．2．5 圖像識別\t13
1．2．6 3D點雲\t13
1．2．7 多模態數據處理\t14
1．3 人工智能是新一代信息技術的核心\t15
1．3．1 5G與人工智能的關繫\t16
1．3．2 雲計算與人工智能的關繫\t16
1．3．3 大數據與人工智能的關繫\t17
1．3．4 物聯網與人工智能的關繫\t18
1．4 本章小結\t18
1．5 作業與練習\t19
第2章 數據標注的概念、工具與方法\t20
2．1 數據標注的概念及其對人工智能發展的意義\t20
2．1．1 全球數據的快速增長催生大數據產業\t20
2．1．2 數據產業推動人工智能應用技術的發展\t21
2．1．3 數據標注對於人工智能應用的意義\t21
2．2 數據標注對像\t22
2．2．1 數據集\t22
2．2．2 語音數據集\t24
2．2．3 圖像數據集\t25
2．2．4 文本數據集\t26
2．2．5 視頻數據集\t27
2．3 數據標注工具與平臺\t28
2．3．1 語音數據標注工具\t28
2．3．2 圖像數據標注工具\t30
2．3．3 視頻數據標注工具\t31
2．3．4 文本數據標注工具\t33
2．3．5 3D點雲標注工具\t34
2．4 典型數據標注技術\t35
2．4．1 語音轉寫技術\t35
2．4．2 人臉檢測和關鍵點檢測\t36
2．4．3 圖像分割\t36
2．4．4 視頻類標注\t37
2．5 數據標注工程\t37
2．5．1 數據采集\t37
2．5．2 數據處理\t40
2．5．3 數據標注\t42
2．5．4 數據質檢\t46
2．5．5 數據交付\t46
2．5．6 數據驗收\t47
2．6 本章小結\t47
2．7 作業與練習\t48
第3章 圖像數據標注\t49
3．1 圖像數據標注簡介\t49
3．1．1 圖像數據標注的目的與發展\t49
3．1．2 圖像數據標注規範\t50
3．1．3 場景分類型圖像數據標注\t52
3．1．4 圖像數據標注形式分類\t52
3．1．5 圖像任務和數據標注的關繫\t55
3．1．6 圖像數據標注的術語\t56
3．2 關鍵點標注方法\t56
3．2．1 關鍵點標注項目的應用及發展前景\t56
3．2．2 關鍵點的標注內容\t57
3．2．3 標注數據結果格式\t58
3．2．4 關鍵點標注工具簡介\t59
3．2．5 關鍵點標注案例分析\t61
3．2．6 關鍵點標注難點及分析\t63
3．3 標注框標注方法\t63
3．3．1 框標注適合的場景\t63
3．3．2 框標注工具簡介\t65
3．3．3 標注方案及案例分析\t67
3．3．4 標注框標注難點及分析\t69
3．4 圖像區域標注方法\t69
3．4．1 圖像區域標注適合的場景\t69
3．4．2 圖像區域標注工具簡介\t70
3．4．3 標注方案及案例分析\t72
3．4．4 圖像區域標注難點及分析\t74
3．5 本章小結\t74
3．6 作業與練習\t74
第4章 視頻數據標注\t76
4．1 視頻數據標注簡介\t76
4．1．1 視頻數據標注的意義\t76
4．1．2 視頻數據標注任務\t77
4．1．3 視頻源數據管理\t77
4．2 視頻數據標注工具\t78
4．2．1 視頻數據標注工具簡介\t78
4．2．2 視頻數據標注流程\t80
4．2．3 典型視頻數據標注方法\t83
4．3 視頻數據標注案例解析\t85
4．3．1 矩形框標注案例―人體追蹤屬性標注\t85
4．3．2 矩形框標注案例―車輛標注\t86
4．3．3 矩形框標注案例―商場監控視頻數據標注\t88
4．4．4 視頻幀標注案例―足球視頻數據標注\t92
4．5 本章小結\t94
4．6 作業與練習\t95
第5章 語音數據標注\t96
5．1 語音數據標注簡介\t96
5．1．1 語音數據標注相關背景\t96
5．1．2 語音信號基礎知識\t97
5．2 語音數據標注概述\t99
5．2．1 標注任務分類\t99
5．2．2 常見語音數據異常\t100
5．2．3 基本標注規範\t102
5．3 典型開源語音數據標注工具\t104
5．3．1 Praat語音學軟件\t104
5．3．2 語音數據標注平臺\t105
5．4 語音數據標注整體流程\t110
5．4．1 項目背景與意義\t110
5．4．2 語音項目整體規程\t110
5．4．3 語音數據標注過程詳情\t111
5．5 多樣化語音數據標注項目\t115
5．5．1 智能家居兒童語音數據標注\t115
5．5．2 智能音箱語音數據標注\t117
5．5．3 智能客服語音拼音標注\t119
5．5．4 演講語音數據標注\t120
5．6 本章小結\t122
5．7 作業與練習\t122
第6章 文本數據標注\t123
6．1 文本數據標注簡介\t123
6．1．1 文本數據標注的發展與研究現狀\t123
6．1．2 基本概念\t124
6．1．3 流程介紹\t127
6．1．4 交付格式\t127
6．1．5 應用場景\t127
6．2 文本數據標注工具\t129
6．2．1 開源文本數據標注工具\t129
6．2．2 專業文本數據標注工具及其標注場景\t132
6．2．3 優秀的標注工具應具備的條件\t142
6．3 序列標注方法舉例\t142
6．3．1 外賣成分識別標注案例\t142
6．3．2 單品推廣文案標注案例\t144
6．3．3 多音字關鍵詞提取標注案例\t145
6．4 關繫標注方法舉例―中文閱讀理解分析案例\t147
6．5 屬性標注方法案例\t148
6．5．1 語音文本判別標注案例\t148
6．5．2 文本情感分析判別標注案例\t150
6．6 本章小結\t152
6．7 作業與練習\t152
第7章 3D點雲標注\t153
7．1 3D點雲標注簡介\t153
7．1．1 點雲的獲取方法\t154
7．1．2 3D點雲應用\t156
7．1．3 3D點雲的存儲方式及數據類型\t158
7．1．4 3D點雲典型數據集\t159
7．2 3D點雲標注工具\t160
7．2．1 3D點雲標注工具的主要功能\t161
7．2．2 界面布局和操作\t161
7．2．3 標注輸出格式\t164
7．3 3D點雲標注項目\t164
7．3．1 項目背景\t164
7．3．2 自動駕駛3D點雲標注規範\t164
7．3．3 3D點雲標注流程\t166
7．4 本章小結\t169
7．5 作業與練習\t169
第8章 工程化數據標注的組織管理\t171
8．1 數據標注項目實施流程\t171
8．1．1 數據標注項目\t171
8．1．2 一般項目實施流程\t173
8．1．3 數據標注項目實施流程\t174
8．2 數據標注團隊組織架構\t176
8．2．1 數據標注團隊組織類型\t176
8．2．2 數據標注團隊組織架構\t177
8．3 數據標注團隊角色分工\t179
8．3．1 數據標注團隊角色分工之一\t179
8．3．2 數據標注團隊角色分工之二\t181
8．3．3 數據標注團隊角色分工總覽\t182
8．4 數據標注團隊溝通和建設\t184
8．4．1 項目相關方管理\t184
8．4．2 數據標注團隊溝通\t186
8．4．3 數據標注團隊建設\t188
8．4．4 數據標注員培訓\t189
8．5 國外數據產品生產組織方式案例\t191
8．5．1 亞馬遜機械特克平臺\t191
8．5．2 澳鵬平臺\t192
8．6 本章小結\t193
8．7 作業與練習\t193
第9章 工程化數據標注的質量控制\t194
9．1 質量控制\t194
9．1．1 質量控制流程\t194
9．1．2 控制流程細則\t196
9．1．3 質量監控\t198
9．1．4 質量檢驗方法\t199
9．2 質量標準\t200
9．2．1 語音數據標注\t200
9．2．2 圖像數據標注\t202
9．2．3 文本數據標注\t203
9．3 質檢與驗收\t204
9．3．1 質檢流程\t204
9．3．2 驗收原則\t205
9．3．3 驗收報告\t205
9．4 質量總結\t209
9．5 數據質檢與驗收案例\t210
9．5．1 人臉68點標注質檢案例\t210
9．5．2 客服語音數據標注質檢案例\t214
9．5．3 3～5歲中國兒童朗讀文本數據標注質檢案例\t215
9．6 本章小結\t216
9．7 作業與練習\t216
第10章 工程化數據標注的進度管理\t217
10．1 項目進度管理的定義和實踐\t217
10．1．1 物理架構\t217
10．1．2 項目進度管理的實踐\t218
10．2 項目活動分解排序和估算時間\t221
10．2．1 定義活動\t221
10．2．2 排列活動順序\t222
10．2．3 估算活動持續時間\t224
10．3 制訂項目進度計劃\t225
10．3．1 制訂項目進度計劃的常用技術\t225
10．3．2 數據標注項目進度計劃實例\t228
10．4 監控進度計劃實施\t230
10．4．1 監控進度計劃實施的流程\t230
10．4．2 監控進度計劃實施的時機和方法\t231
10．4．3 數據標注項目進度監控實例\t233
10．5 本章小結\t236
10．6 作業與練習\t236
第11章 工程化數據標注的繫統平臺\t238
11．1 數據標注繫統概述\t238
11．1．1 典型數據標注平臺繫統架構\t239
11．1．2 典型標注工具\t240
11．2 數據標注平臺實例介紹\t246
11．2．1 數加加Pro標注平臺的適用範圍\t246
11．2．2 數加加Pro標注平臺的產品特性\t246
11．2．3 數加加Pro標注平臺的產品架構\t247
11．2．4 數加加Pro標注平臺的產品優勢\t248
11．3 本章小結\t250
11．4 作業與練習\t250
第12章 數據標注的發展趨勢\t251
12．1 人工智能總體發展趨勢\t251
12．1．1 主要國家和地區高度重視AI發展\t251
12．1．2 有監督學習仍是人工智能的主流\t252
12．2 人工智能數據發展趨勢\t254
12．2．1 人工智能數據需求\t254
12．2．2 人工智能數據市場規模\t258
12．2．3 人工智能數據需求特點\t259
12．3 數據標注發展趨勢\t259
12．3．1 定制化精細化發展\t259
12．3．2 高度自動化發展\t260
12．3．3 智能化流程化發展\t262
12．3．4 重視安全與隱私保護\t263
12．4 本章小結\t264
12．5 作業與練習\t264
附錄A 典型數據產品介紹\t266
附錄B 開源數據集介紹與獲取\t269
附錄C 人工智能的網絡學習資源\t273
附錄D 人工智能的產業生態與技術圖譜\t276
參考文獻\t280

當前，以人工智能、量子信息、基因工程等技術為代表的第四次科技革命正在悄然地改變著世界。從全球範圍看，人工智能既是推動世界發展的重要技術，也是國際競爭的主戰場之一，甚至關繫著國家發展的前途和命運。歷史上的每一次科技革命都是通過技術突破激起創新熱潮，進而推進生產力變革。面對這一歷史機遇，世界主要國家和經濟體都加強了對人工智能的戰略部署：美國、英國注重人工智能的基礎研究；曰本、德國則偏向從應用方面促進人工智能的發展；我國提出人工智能是新一輪科技革命和產業變革的重要驅動力量，加快發展新一代人工智能是事關我國能否抓住新一輪科技革命和產業變革機遇的戰略問題，通過一繫列的規劃與激勵，快速推進人工智能、5G網絡、數據中心等新型基礎設施的建設進度。
人工智能經過六十多年的發展，隨著2016年谷歌AlphaGo戰勝人類圍棋頂尖選手，以及深度學習在圖像識別、自然語言處理、計算機視覺、智慧語音、智能商業、自動駕駛、智慧醫療等領域取得突破性成績，人工智能多種專項技術的工程化、實用化的黃金時代到來了，人工智能產業迎來了蓬勃發展的朝陽時代。縱觀人工智能技術的發展與當前應用繫統的落地情況，算法、算力是其支撐，而數據已經成為其生命線，原因是數據規模越大、數據質量越好，算法模型越智能、應用繫統越實用。早在20世紀80年代就已經出現神經網絡算法，2006年又進一步出現了深度學習算法，但是整個發展和應用過程由於沒有足夠數據的支持而進展緩慢、艱難。近年來，由於有效支持人工智能算法模型訓練的高質量、大規模的數據集及算力問題的有效解決，人工智能技術的應用率先在互聯網場景爆發，催生了曠視、商湯、抖音、雲知聲、字節跳動等一大批細分行業的獨角獸企業。近期，金融、保險、電力、汽車、交通、制造、醫療等許多傳統行業也逐漸成為人工智能技術應用的主戰場。艾瑞咨詢的研究報告提出，到2025年我國人工智能核心產業規模將超過40，帶動相關產業規模超過。未來人工智能數據服務行業的市場需求和潛力巨大。