众所周知，数据是人工智能（Artificial Intelligence，AI）的基础，模型是AI的核心。而数据标注，是帮助模型认知数据的重要过程。标注后的数据用于训练模型，标注数据的准确性直接影响模型的训练效果。高质量的标注数据，可以使得模型的训练事半功倍，有助于AI应用取得进展，更快地落地。但是，在实际操作中，大量的高质量场景数据不仅难以获取，而且后期的储存与管理也是开发过程中不得不提的痛点。基于此，锐明技术人工智能中心正在逐步完善一个高质、高效的专业化数据平台。
AI今日焦点京东白条怎么提现?(附步骤流程图)

01

数据管理

Data Management

1

传统的数据储存方式使用文件夹储存不同场景的数据，随着日积月累，数据量越来越庞大，对于数据用户，查看以及调用变得愈发吃力并效率低。

为了解决以上痛点，我们建立场景化、标签化管理平台，海量数据形成标签化管理后，用户能够通过场景标签、标注属性、或者自定义筛选所需的数据，达到高效省时目的。

2

如何解决修改难以比较的数据内容、对数据进行并行开发、以及追溯数据历史版本等痛点问题的同时，保障海量数据在使用与管理过程中的安全性与灵活性，这无疑是AI研发过程中的棘手挑战。

以层级迭代的的形式对场景数据进行版本管理，并辅以权限管理功能，一键追溯历史迭代记录，提高团队内协作灵活性，保障数据使用与访问的安全性。

02

数据标注平台

Data Annotation Platform

标注平台能够将标注变得简单和高效，通过将标注数据提取、标注任务分配、标注结果审核、标注人员管理、标注结果下载，自动化标注等一系列工作整合到一起。能够极大地减少人力物力，提升标注速度，使得数据规范化，以此不断为模型提供优质可靠的标注数据。为此，我们基于开源的代码、优化标注流程、集成我们自主研发的算法实现了一个标注平台。

支持主流视觉数据所需数据类型