人工智能标注作为人工智能数据集的重要环节，直接影响模型的训练与效果。而如何平衡标注精度与标注效率，成为当前人工智能领域亟需攻克的难题。
据悉，来自浙江大学的王胜战教授团队，近日在人工智能标注领域有了新的研究进展。他们提出基于少量点信息的全局标注方法，有效地减少了标注面积，同时保证了标注准确度。该方法已于近日发布在国际高水平杂志IEEE Transactions on Image Processing上。
该方法基于点信息生成全局标注，同时引入了奇异值分解、联合逼近等技术手段，克服了传统标注方法精度差、标注耗时长的缺点，极大地提高了标注效率。研究者还表示，该方法可以广泛应用于计算机视觉、自然语言处理和语音识别等多个人工智能领域。
据悉，王胜战教授一直致力于人工智能和数字媒体技术的研究，曾连续多年被评为中国高被引学者、国家杰出青年基金获得者。此次他的团队取得的新进展，将推动人工智能数据集标注的高效与精度的实现，为人工智能应用落地打下更加坚实的基础。
