可以说，数据标注是整个人工智能产业的基石。以自动驾驶为例，在自动驾驶行驶过程中汽车本身需要具备感知、规划、决策、控制等技术。所谓的智能只是一个结果，要想让汽车本身的算法处理更复杂的场景，就需要大量的真实道路数据来支撑，下面一起来了解一下数据标注常见的两大类型。

目标分类：分类是行业常见的任务之一，数据对应的类别通常是从已建立的标签中选取，一张图片可以有多个类别，如成人、女性、黄种人、长发等。常用于自动驾驶中的道路识别、汽车识别、斑马线识别、红绿灯识别等。

关键点：对于一些需要细致特征的任务，关键点可以提供重要的定位和识别信息。对于人脸识别，关键点可以标注眼睛、鼻子、嘴巴等关键位置，通过这些点的位置信息，可以更准确地识别和比对人脸。类似地，骨骼识别也可以通过标记关键的骨骼点，来追踪身体的姿态和动作。

通常情况下，这些点的选择需依据具体的应用需求和算法模型确定。在训练阶段，关键点可以由人工进行标注，或者通过现有的算法进行自动标注。在应用阶段，通过对点的分析，可以实现更精确的识别。

值得一提的是，近年来，深度学习技术在人脸和骨骼识别领域取得了重大进展，如通过端到端学习直接从图像数据中提取特征，可以减少对点的依赖，提高识别的准确性和鲁棒性，为人脸和骨骼识别的应用提供更多的可能性。

总言之，数据标注是人工智能应用中不可或缺的环节之一，随着应用场景的扩大和技术的进步，我们可以预见未来对于数据标注的需求会持续增加，同时行业内也将不断研发优化标注的方法和技术，以提高标注的效率和质量。