不要把明显不同的多个任务数据放在同一个数据集内。 为了保证模型的预测准确度，训练样本跟真实使用场景尽量相似。 为保证模型的泛化能力，数据集尽量覆盖可能出现的各种场景。 物体检测数据集中，如果标注框坐标超过图片，将无法识别该图片为已标注图片。 在上传数据时，请选择非加密桶进行上传，否则会由于加密桶无法解密导致后期的训练失败。

查看更多 →

标签信息 标注样本 分类任务：分类任务标注流程为：选中需要标注的样本（直接单击样本、或单击“选择该页全部”），然后单击“标签信息”的对应标签确认，确认无误后单击确定即可完成标注。 图18 分类任务1 图19 分类任务2 检测任务（包含检测、定位、装配检查） 检测任务标注流程为：鼠

查看更多 →

人工标注 任务类型：有人工标注和预标注两种。此处以人工标注为例。 标注物：标注模板和项目内标注物至少选取一种。 当选取标注模板后，标注模板内标注物与项目内有重名标注物时会跳出弹窗，提示用户项目内有重名标注物，如需使用该标注物，单击确认后默认选择项目下标注物展示在下方显示框中展示。

查看更多 →

使用自动分组智能标注作业 为了提升智能标注算法精度，可以均衡标注多个类别，有助于提升智能标注算法精度。ModelArts内置了分组算法，您可以针对您选中的数据，执行自动分组，提升您的数据标注效率。 自动分组可以理解为数据标注的预处理，先使用聚类算法对未标注图片进行聚类，再根据聚类

查看更多 →

标注管理 标注管理主要提供可视化的标注物管理，支持自定义创建多种标注物的形状和颜色，可用于预标注和人工标注指定物体，或自定义算法模型中关联特定标注物。如果在创建标注模板时，没有找到满足当前所需的标注物，则可以通过标注物管理添加新标注物。 不同标注物可依靠标注物名称以及标注物描述区分。

查看更多 →

标注员 认领标注任务 人工标注操作指导 标注工具和快捷键说明 父主题： 标注服务

查看更多 →

在弹出的“添加标注”对话框中，完成标注选择。 选择需要添加的一个或多个标注，或在搜索栏中输入标注名称检索。 如果存在对应标注则单击复选框选择。 如果不存在对应标注，则单击创建提醒，弹出“创建标注”对话框，具体参数配置参见表1。单击“确定”，完成标注创建，返回“添加标注”对话框。 单

查看更多 →

是否可见 是指在添加标注时，此标注是否可见。 描述 对此标注的描述信息。 标注值名称 填写标注下具体的标注值名称，例如，人员信息。 类型 标注值的类型，分为文本和数值两种。 单位 标注值的单位，根据实际标注值选择是否填写。例如标注值为数量，此处可填写位。 描述 填写此标注值的描述信息。

查看更多 →

通过团队标注方式标注数据 团队标注使用流程 创建和管理团队 创建团队标注任务 审核并验收团队标注任务结果 管理团队和团队成员 父主题： 标注ModelArts数据集中的数据

查看更多 →

Integer 数据集样本总数。 total_sub_sample_count Integer 由父样本所产生的子样本总数，比如：从视频标注数据集中抽取的关键帧图片总数就是子样本总数。 unconfirmed_sample_count Integer 智能标注待确认的标注样本数。 update_time

查看更多 →

Integer 数据集样本总数。 total_sub_sample_count Integer 由父样本所产生的子样本总数，比如：从视频标注数据集中抽取的关键帧图片总数就是子样本总数。 unconfirmed_sample_count Integer 智能标注待确认的标注样本数。 update_time

查看更多 →

数据和目标数据的标签列修改代码框左侧“# Select data from dataframe”标注下的对应值。 本文以使用“CMF”方法为例。 单击界面右上角的图标，选择“迁移学习 > 特征迁移 > 迁移操作 > CMF”。 界面新增如图1所示内容。 图1 使用CMF算法迁移数据

查看更多 →

可见范围内的学员在学员端可看见此项目并可以进行学习，学习数据可在学习项目列表【数据】-【自学记录】查看。 学习设置： 防作弊设置项可以单个项目进行单独设置，不再根据平台统一设置进行控制。 文档学习按浏览时长计算，时长最大计为：每页浏览时长*文档页数；文档学习按浏览页数计算，不计入学习时长。 更多设置：添加协同人

查看更多 →

学习目标 掌握座席侧的前端页面开发设计。 父主题： 开发指南

查看更多 →

删除数据集标签和对应的样本 dataset deleteLabelWithSamples 添加样本 dataset uploadSamples 删除样本 dataset deleteSamples 停止自动标注任务 dataset stopTask 创建团队标注任务 dataset

查看更多 →

删除数据集标签和对应的样本 dataset deleteLabelWithSamples 添加样本 dataset uploadSamples 删除样本 dataset deleteSamples 停止自动标注任务 dataset stopTask 创建团队标注任务 dataset

查看更多 →

拆分批次任务 当样本数量庞大时，平台可对批次任务做拆分处理，具体步骤如下： 在左侧菜单栏中单击“标注服务 > 项目管理”。 选择“标注项目”页签，单击项目名称，进入项目内任务列表。 选择“批次任务列表”页签，单击操作栏中的“拆分”。 输入子任务样本数量，子任务样本数量不可大于批次任务的样本总数。

查看更多 →

数据丰富，训练集获取耗时节省90% 电信场景覆盖广：专业实验室生成高价值样本，覆盖电信域90%以上典型场景，已有1000多个AI训练集，30000多个网络特征。 高质量标注数据多：通过专业标注工具和专家经验，积累海量标注样本，累计已有1亿条电信标注样本数据。 电信 数据治理 高效，数据处理效率提升2倍以上

查看更多 →

在“我参与的”页签，可查看参与过标注的标注作业。用户可查看标注作业详细信息，包括标注团队的成员、标注进展等。 复制标注作业 登录ModelArts管理控制台，在左侧菜单栏选择“数据准备>数据标注”，进入数据标注页面。 在数据标注列表页，“我创建的”页签下，选择需要复制的标注任务。 单击作业操作列的“更多>复制”。

查看更多 →

t体。 name：必选字段，标注内容的类别。 pose：必选字段，标注内容的拍摄角度。 truncated：必选字段，标注内容是否被截断（0表示完整）。 occluded：必选字段，标注内容是否被遮挡（0表示未遮挡） difficult：必选字段，标注目标是否难以识别（0表示容易识别）。

查看更多 →

提供图像、文本、音频、视频等多种格式数据的预览，帮助用户识别数据质量。 提供对数据进行多维筛选的能力，用户可以根据样本属性、标注信息等进行样本筛选。 提供12+标注工具，方便用户进行精细化、场景化和专业化的数据标注。 提供基于样本和标注结果进行特征分析，帮助用户整体了解数据的质量。 提升用户数据准备的效率。 提供数

查看更多 →