人工智能数据标注三色笔记

数据标注是对原始数据进行加工并添加标签，为算法训练提供高质量的数据，因此主要作用于数据要素。

数据标注是为原始数据添加标签，使机器能够识别和学习；用矩形框标出目标并赋予类别标签，是典型的数据标注操作。

数据标注项目应先明确任务定义，再采集数据，然后进行标注，标注后必须经过质量检验，最后交付合格数据。

人脸信息属于敏感个人信息。根据《个人信息保护法》，处理敏感个人信息应当取得个人的单独同意，并向个人告知处理敏感个人信息的必要性以及对个人权益的影响。概括同意、以公共场所拍摄为由直接处理、由标注员自行决定均不符合法律规定。

《个人信息保护法》要求处理个人信息应当具有明确、合理的目的，并与处理目的直接相关，收集个人信息应当限于实现处理目的的最小范围。标注任务仅需识别对话意图，却收集全部联系人信息和位置轨迹，属于过度收集，违反最小必要原则。

《数据安全法》规定，开展数据处理活动应当建立健全全流程数据安全管理制度，组织开展数据安全教育培训，采取相应的技术措施和其他必要措施保障数据安全。将数据存于个人移动硬盘、仅由财务部门负责、隐瞒风险不报告均不符合要求。

单选分类应依据文本核心主题判断，该新闻主要内容是足球赛事，门票收入只是附带信息，因此归为体育类。

命名实体边界应完整且不包含无关词，“王小明”是人名，“2022年”是时间，“北京字节跳动科技有限公司”是完整组织机构名。

“任职于”关系表示人员与组织机构之间的雇佣关系，主体是李华，客体是华为技术有限公司，方向不能颠倒。

试标用于验证标注规范是否清晰可执行、统一标注员理解、发现边界案例和歧义，降低大规模标注后的返工风险。

目标检测标注通常以可见信息为准，避免主观臆测；遮挡目标应标注可见部分，具体标注范围以项目规范为准。

Kappa系数用于衡量标注一致性，并排除随机一致的影响，有助于发现标注规范歧义和培训需求。