無論是在傳統(tǒng)機器學(xué)習(xí)領(lǐng)域還是現(xiàn)今炙手可熱的深度學(xué)習(xí)領(lǐng)域，基于訓(xùn)練樣本有明確標簽或結(jié)果的監(jiān)督學(xué)習(xí)仍然是一種主要的模型訓(xùn)練方式。尤其是深度學(xué)習(xí)領(lǐng)域，需要更多數(shù)據(jù)以提升模型效果。目前，已經(jīng)有一些規(guī)模較大的公開數(shù)據(jù)集，如ImageNet，COCO等。對于深度學(xué)習(xí)入門者，這些公開數(shù)據(jù)集可以提供非常大的幫助；但是對于大部分企業(yè)開發(fā)者，特別在醫(yī)學(xué)成像、自動駕駛、工業(yè)質(zhì)檢等領(lǐng)域中，他們更需要利用專業(yè)領(lǐng)域的實際業(yè)務(wù)數(shù)據(jù)定制AI模型應(yīng)用，以保證其能夠更好地應(yīng)用在業(yè)務(wù)中。因此，業(yè)務(wù)場景數(shù)據(jù)的采集和標注也是在實際AI模型開發(fā)過程中必不可少的重要環(huán)節(jié)。

數(shù)據(jù)標注的質(zhì)量和規(guī)模通常是提升AI模型應(yīng)用效果的重要因素，然而完全通過人力手動標注數(shù)據(jù)建立一個高質(zhì)量、大規(guī)模專業(yè)領(lǐng)域數(shù)據(jù)集卻并不容易：標注人員的培訓(xùn)與手工標注成本高、耗時長。為解決此問題，我們可以利用主動學(xué)習(xí)的方法，采用“Human-in-the-loop”的交互式框架（圖1）進行數(shù)據(jù)標注，以有效減少人工數(shù)據(jù)標注量。

圖1 基于主動學(xué)習(xí)的“Human-in-the-loop”交互式數(shù)據(jù)標注框架

主動學(xué)習(xí)(Active Learning, AL)是一種挑選具有高信息度數(shù)據(jù)的有效方式，它將數(shù)據(jù)標注過程呈現(xiàn)為學(xué)習(xí)算法和用戶之間的交互。其中，算法負責挑選對訓(xùn)練AI模型價值更高的樣本，而用戶則標注那些挑選出來的樣本。如“Human-in-the-loop”交互式數(shù)據(jù)標注框架，通過用戶已標注的一部分數(shù)據(jù)來訓(xùn)練AI模型，通過此模型來標注剩余數(shù)據(jù)，再從中篩選出AI模型標注較為困難的數(shù)據(jù)進行人工標注，再將這些數(shù)據(jù)用于模型的優(yōu)化。幾輪過后，用于數(shù)據(jù)標注的AI模型將會具備較高的精度，更好地進行數(shù)據(jù)標注。以圖像分類問題舉例，首先，人工挑選并標注一部分圖像數(shù)據(jù)，訓(xùn)練初始模型，然后利用訓(xùn)練的模型預(yù)測其余未標注的數(shù)據(jù)，再通過“主動學(xué)習(xí)”中的“查詢方法”挑選出模型比較難分辨類別的數(shù)據(jù)，再人為修正這些“難”數(shù)據(jù)的標簽并加入訓(xùn)練集中再次微調(diào)(Fine-tuning)訓(xùn)練模型。“查詢方法”是主動學(xué)習(xí)的核心之一，最常見的“查詢方法”有基于不確定性的樣本查詢策略和基于多樣性的樣本查詢策略。

基于不確定性的樣本查詢策略可查詢出深度學(xué)習(xí)模型預(yù)測時，靠近決策邊界的樣本。以二分類問題舉例，當一個未標注樣本被預(yù)測為任一標簽的概率都是50%時，則該樣本對于預(yù)測模型而言是“不確定”的，極有可能被錯誤分類。要注意的是，主動學(xué)習(xí)是一個迭代過程，每次迭代，模型都會接收認為修正后的標注數(shù)據(jù)微調(diào)模型，通過這個過程直接改變模型決策的邊界，提高分類的正確率。

基于多樣性的查詢策略，可實現(xiàn)對當前深度學(xué)習(xí)模型下狀態(tài)未知樣本的查詢。將通過多樣性查詢挑選出的數(shù)據(jù)加入訓(xùn)練集，可豐富訓(xùn)練集的特征組合，提升模型的泛化能力。模型學(xué)習(xí)過的數(shù)據(jù)特征越豐富，泛化能力越強，預(yù)測模型適用的場景也越廣。

為解決大數(shù)據(jù)量標注的痛點，基于主動學(xué)習(xí)且融合多樣查詢策略的智能標注AI解決方案應(yīng)運而生。通過EasyDL平臺使用智能標注后，開發(fā)者們只需標注數(shù)據(jù)集中30%左右的數(shù)據(jù)，即可啟動智能標注在EasyDL后臺自動標注剩余數(shù)據(jù)，再返回少量后臺難以確定的數(shù)據(jù)再次進行人工標注，同時提升自動標注的準確性，經(jīng)過幾輪之后，在實際項目測試中，智能標注功能可以幫助用戶節(jié)省70%的數(shù)據(jù)標注量，極大地減少數(shù)據(jù)標注中的人力成本和時間成本。

EasyDL零門檻AI開發(fā)平臺，面向企業(yè)開發(fā)者提供智能標注、模型訓(xùn)練、服務(wù)部署等全流程功能，針對AI模型開發(fā)過程中繁雜的工作，提供便捷高效的平臺化解決方案。EasyDL面向不同人群提供了經(jīng)典版、專業(yè)版、行業(yè)版三種產(chǎn)品形態(tài)，其中EasyDL專業(yè)版支持深度開發(fā)高精度業(yè)務(wù)模型，內(nèi)置了豐富的大規(guī)模預(yù)訓(xùn)練模型，僅需少量數(shù)據(jù)即可達到優(yōu)異的模型效果。目前，EasyDL的智能標注功能已支持計算機視覺CV方向的物體檢測模型、自然語言處理NLP方向的文本分類模型兩大方向的數(shù)據(jù)標注。選擇EasyDL專業(yè)版模型定制，點擊“智能標注“即可進入。使用方法也很簡單，共為三步：

• Step1啟動智能標注

在“數(shù)據(jù)管理/標注”上傳完訓(xùn)練數(shù)據(jù)集后，即可激活“創(chuàng)建智能標注任務(wù)”按鈕（圖2），點擊該按鈕后，進入數(shù)據(jù)集選擇。需要注意的是，系統(tǒng)將自動對選擇的數(shù)據(jù)集進行校驗。校驗規(guī)則如下：

圖像數(shù)據(jù)集：確保每個標簽的標注框數(shù)都超過10個。

文本數(shù)據(jù)集：數(shù)據(jù)集中已標注數(shù)據(jù)量超過600條；每個標注標簽的數(shù)據(jù)量超過50條；未標注數(shù)據(jù)的數(shù)據(jù)量超過600條。

以上圖像和文本數(shù)據(jù)集之所以采取不同的校驗規(guī)則，是因為在實際場景下，文本與圖像的數(shù)據(jù)集獲取方式及數(shù)據(jù)規(guī)模區(qū)別較大，且智能標注后端AI模型訓(xùn)練的啟動樣本數(shù)量不一。

點擊“啟動智能標注”,進入數(shù)據(jù)校驗階段，若校驗不通過，會出現(xiàn)“智能標注啟動失敗”的提示；若校驗通過，則進入篩選數(shù)據(jù)階段，用戶需稍作等待。

圖2 創(chuàng)建智能標注任務(wù)

• Step2標注部分數(shù)據(jù)

系統(tǒng)會自動從未標注數(shù)據(jù)集中篩選出最具有代表性、也是最需要優(yōu)先標注的樣本數(shù)據(jù)。用戶需要人工標注這些推薦的樣本數(shù)據(jù)，為了提高標注效率，系統(tǒng)也會提供預(yù)標注供用戶修改確認。在圖像智能標注中，用戶勾選右上角的“顯示預(yù)標注”開啟該輔助功能（圖3），點擊“滿意預(yù)標注結(jié)果”即可對預(yù)標注結(jié)果進行確認；在文本智能標注中，系統(tǒng)會自動顯示預(yù)標注標簽，點擊每一條文本右側(cè)的“確認”或右上角的“本頁全部確認”對預(yù)標注進行確認（圖4）。

確認所有推薦數(shù)據(jù)的預(yù)標注后，用戶可以自主選擇是否進行下一輪數(shù)據(jù)篩選。圖像智能標注中，若用戶不中止智能標注，則系統(tǒng)會自動進行下一輪；文本智能標注中，由于文本數(shù)據(jù)集規(guī)模一般較大，確認數(shù)據(jù)預(yù)標注的人力成本較高，為了提升用戶體驗，系統(tǒng)不默認進入下一輪迭代，用戶可點擊右上角的“優(yōu)化智能標注結(jié)果”進行下一輪篩選（圖5）。通過多輪篩選，數(shù)據(jù)預(yù)標注準確性也會不斷提升。為了保證數(shù)據(jù)標注智能，建議用戶至少進行一輪的數(shù)據(jù)篩選或“優(yōu)化智能標注”。

圖3 圖像智能標注

圖4 文本智能標注

圖5 文本智能標注進入數(shù)據(jù)篩選優(yōu)化迭代

• Step3結(jié)束智能標注

當用戶覺得當前推薦數(shù)據(jù)的預(yù)標注已足夠準確，不再進行下一輪數(shù)據(jù)標注推薦篩選，或者系統(tǒng)自動判斷當前標注的數(shù)據(jù)已足夠時，則進入結(jié)束智能標注階段。在圖像智能標注中，系統(tǒng)會彈出提示（圖6），選擇“一鍵標注”系統(tǒng)會自動標注剩余未標注數(shù)據(jù)，選擇“立即訓(xùn)練”則停止智能標注，之后可以利用已確認的標注數(shù)據(jù)去訓(xùn)練模型；在文本智能標注中，不選擇“優(yōu)化標注結(jié)果”則認為停止智能標注，系統(tǒng)自動標注所有未標注數(shù)據(jù)，并歸為“已標注·智能”數(shù)據(jù)集，該類數(shù)據(jù)與“已標注·人工”均可用于模型訓(xùn)練。

圖6 結(jié)束圖像智能標注

圖7 EasyDL智能標注使用流程圖

在智能標注功能的加持之下，重復(fù)枯燥的標注功能都交給AI模型，大大降低了時間與人力成本。在數(shù)據(jù)方面，EasyDL中的EasyData智能數(shù)據(jù)服務(wù)平臺，提供覆蓋采集、清洗、標注、加工等一站式數(shù)據(jù)處理功能，并與模型訓(xùn)練環(huán)節(jié)無縫對接，通過數(shù)據(jù)閉環(huán)功能支持高效的模型迭代。

百度搜索“EasyDL”或直接訪問：https://ai.baidu.com/easydl/ 體驗智能標注，開發(fā)你的高精度業(yè)務(wù)模型吧！