随着计算机视觉在“人脸识别”、“自动驾驶”、“自然语言处理”等领域的飞速发展，对数量的需求也愈加庞大，可以说，数据决定着整个人工智能行业的发展态势。 在现有的技术框架下，数据标注量越大，质量越好，算法模型就表现越好。因此，针对不同的应用场景，衍生出了多种图像标注方法。

2D框标注

标注师在要标注的对象四周划矩形边框，又叫拉框标注，是目前应用最广泛的一种图像标注方法，能够以一种相对简单、便捷的方式在图像或视频数据中，迅速框定指定目标对象。它是所有标注工具里最普通且成本最低的图像数据标注方法。

线标注

在图像上利用多个标注点的连线给直线或曲线打标签，线标注主要用于自动驾驶汽车的道路识别，用于定义车辆，自行车、相反方向交通灯、分叉路等不同道路。

全景语义分割

语义分割是指根据物体的属性，对复杂不规则图片进行的区域划分。值得注意的是，标注师得到的是一系列分割标签以分离图像，而不是一系列需要标注的对象。因此，其需要完成图像内每一像素点的标注任务，每一区域通常都以某种独特的颜色表示，标注师在要标注的像素点周围画线，并选择合适的属性标签。

多边形标注

多边形标注指在图像中使用多边形框标注出不规则的目标物体，相较于矩形框标注，多边形标注能够更精准地框定目标，使标注师能够在目标对象的每一顶点绘制点位。无论形状如何，这一标注方法都能准确标注对象的所有边缘，因此对于不规则物体，多边形标注更具有针对性。

3D框标注

与点云不同，3D框标注还是基于2D图像，标注员通过对立体物体的边缘框定获得空间视觉模型，进而获得灭点，测量出物体之间的相对距离。

关键点标注

在规定位置标注上关键点，利用多个连续的点确定巨大和微小物体的形状变化，通常用于统计模型、人体姿势及人脸特征点、人体骨骼连接点等面部识别模型。

以上所有标注方法都可在曼孚科技的核心产品SEED数据服务平台实现，除图像标注外，SEED也可完成对文本、语音、视频以及3D点云的数据标注需求。