服务项目

九类标注任务覆盖了算法团队大部分的数据需求。每一项我们都按同一套流程执行:书面规范、试标对齐、批次作业、两级质检。下面对每类任务做具体说明,包括它解决什么问题、规格如何约定、以什么方式交付。如果你的需求介于两类之间,可以先读选型指南,或直接发样本给我们评估。

矩形框标注示意图,画面中若干目标被方框圈出

2D 矩形框标注

目标检测训练的基础任务。标注员对图像中每一类目标拉取贴合的矩形框并标记类别,遮挡与截断目标按规范约定补全或标注可视区域。这是产能最高的一类任务,适合大批量数据的快速积累,也是许多感知模型迭代的第一步。

  • 输出 COCO / VOC / YOLO 任一格式
  • 适用于车辆、行人、工件等常规目标
  • 通常按张计价,3–5 个工作日一批
多边形轮廓标注示意,不规则物体边缘被折线勾勒

多边形与实例分割

沿目标真实轮廓逐点勾勒,边界贴合度远高于矩形框,适合对像素级精度有要求的场景——工业缺陷的形状边界、遥感影像的地物轮廓、医学影像中的病灶区域。顶点密度按边界复杂度控制,平滑处稀疏、拐角处加密,避免既浪费顶点又丢失细节。

  • 顶点间距按边界曲率分档约定
  • 输出掩膜图或轮廓坐标 JSON
  • 按实例计价,验收看边界贴合抽检
点云三维框标注示意,空间中车辆被立方体框包围

点云 3D 框标注

在激光雷达点云中为车辆、行人、骑行者拟合带朝向角的立方体框,是自动驾驶感知训练的核心数据工序。我们使用多视图联动的标注工具,3D 框会同步投影到对应相机图像上做二次校验,减少纯空间视角下容易出现的朝向误判。连续帧任务支持 ID 跟踪。

  • 支持 2D-3D 联合标注与校验
  • 多帧连续跟踪保持 ID 一致
  • 按帧计价,周期按数据量评估
语音波形与文字转写对照的抽象插画

语音转写与切分

对录音数据做有效语音段切分、逐字转写与说话人标记,过滤静音、杂音与无意义片段,产出可直接用于语音识别与声纹模型训练的数据。电话客服录音、车载语音、会议录音是我们常见的三类输入,嘈杂场景下听不清的片段按规范标记而非猜测填入。

  • 含说话人分离与时间戳对齐
  • 支持方言及低信噪比场景
  • 按音频有效时长计价
文本段落中被高亮标记的实体词示意

文本实体标注

在文本中圈选人名、机构、产品型号、时间金额等实体并打上类型标签,服务信息抽取与知识图谱构建。实体类型体系完全按客户业务定义——同一个词在不同行业里归属可能不同,我们在规范阶段就逐条厘清,嵌套实体与歧义表述的处理规则也会写成明确的判定条款。

  • 实体类型体系按客户业务定制
  • 嵌套与歧义情形有判定规则
  • 按字数或条数计价
对话气泡与评分等级并列的抽象插画

大模型 SFT 数据构建

围绕客户的指令微调目标撰写或筛选问答对:从既有语料中清洗出合格样本,按场景语气补写缺失覆盖面,对多轮对话做前后一致性校验。产出为 JSONL 格式,字段结构可与客户的训练管线直接对接,省去数据侧的二次处理。

  • prompt 分布按场景配比定制
  • 多轮对话一致性专项校验
  • JSONL 格式交付,字段可对接
两条回复选项与勾选标记的偏好排序插画

RLHF 偏好标注

对模型针对同一提问生成的多条回复,按有用性、安全性、事实性等维度做排序或打分,为奖励模型提供偏好信号。这类任务的关键在于标注员对“好回复”的判断标准要和客户对齐,我们会先共同制定评分细则,争议样本进入二次仲裁,避免个人偏好污染数据。

  • 多维度评分细则共同制定
  • 争议样本二次仲裁机制
  • 按条计价,附评分依据
视频帧序列中运动目标被连续框选的示意

视频目标跟踪标注

在连续视频帧中为同一目标保持 ID 一致,处理遮挡、出画、再入画等典型情形,服务行为识别与多目标跟踪算法训练。我们采用关键帧插值加人工校对的方式提效:标注员在关键帧精确拉框,中间帧由工具插值生成后再逐段人工修正,兼顾效率与 ID 稳定性。

  • ID 一致性为核心验收指标
  • 关键帧插值 + 人工校对
  • 按视频时长计价
图像内多个区域被不同色块覆盖的语义分割示意

语义分割标注

把整幅图像按类别逐像素划分归属——道路、建筑、植被、天空各有其类,是环境感知与场景理解模型的高精度数据来源。类别体系通常在 10–40 类之间,类别越多边界情形越复杂,物体间的过渡带与远景小区域的处理规则需要在规范阶段写死,否则量产时歧义会集中爆发。

  • 类别体系 10–40 类
  • 边缘与过渡带有专项质检项
  • 输出单通道掩膜图

需要把样本交给我们评估?

说明数据类型、数量与质量要求,我们回复标注方案与价格区间。

联系我们 先读选型指南