本次查询：数据标注
中文解释：数据标注
常见场景：人工智能训练 / 自动驾驶 / 智能客服 / 图像识别等领域
一句话解释
数据标注就是给原始数据打上“标签”，例如给照片中的物体框出边界并注明“猫”或“车”，让机器学习模型从中学会识别规律。它是监督学习的起点，决定了AI能力的上限。
为什么会被关注
随着AI应用落地，训练数据的质量和规模成为竞争门槛。企业发现，即使算法再先进，缺乏精准标注的数据也难以训练出可靠模型。
此外，自动驾驶、医疗影像等高敏感场景对标注精度要求极高，促使行业涌现出大量标注平台和众包团队，数据标注从“体力活”升级为技术密集型产业。
核心逻辑
数据标注的核心是将现实世界的模糊信息转化为机器可理解的格式化标签。常见的标注类型包括图像中的目标检测框、语义分割图、文本的情感极性、语音的转写文字等。
标注后形成结构化的“标注数据集”，配合监督学习算法，模型通过反复比对输入与正确标签来优化参数。标注的准确性、一致性和覆盖率直接影响模型的泛化能力。
常见场景
自动驾驶中标注道路上的行人、车辆、交通标志；智能客服中标注用户意图和情感倾向；电商平台中标注商品图片的分类和属性；医疗影像标注病灶区域。
此外，搜索引擎的结果排序、语音助手的唤醒词识别、工业质检的缺陷检测等，都依赖大量精确标注的数据来支撑模型训练。
容易混淆的点
数据标注不等于数据清洗：数据标注是创造标签，而数据清洗是去除噪声和冗余，两者是数据预处理的不同阶段。
数据标注也不同于特征工程：标注直接给出答案，特征工程则从原始数据中提取数值特征；后者更多用于传统机器学习，而标注是深度学习驱动的标配。