就像用原始gan生成的数据训练分类模型一样

我觉得人肉标注是唯一正途～～

我jio得机器学习的其实是人的认知能力

今天我看了下实习僧，有专门做语言标注的，只要英语专业学生

用ai标注训练ai的数据集，这“正义”么～～

模型是要训练的呀，只能说算法设计得好，给少量数据就能出效果

也有可能有些是直接有这个类别的，比如基于coco有预训练模型了，你给些汽车的图其实不用训练就有了。比如PPOCRLabel里，如果是文档字体识别效果还可以的。

分割可是像素级标注啊……成本是检测的5倍不止

确实，分割标注费眼睛

比如检测任务里，标注的数据集就是标注公司模型检测的结果吧。直接买那个标注模型用来检测不就好了～～

当然，我这是在请教。不然就没有标注公司了

有这个必要么？有这个必要么～～

既然标注模型能做数据集的分割任务了，还有必要再标注数据集么？

没太理解的主要是：既然标注公司能够用模型标注数据，这就说明标注公司已经有了完成相应任务的模型了。为什么还要去标注数据，然后再在这些标注数据上再训练一个模型？

比如，标注公司有一个人脸检测模型用于标注图片中的人脸，那么用这个模型标注的人脸数据集去训练另一个模型有意义么？

还是说，这些数据集只是加入其他数据集，用来训练更为丰富的模型

要是这样的话有没有类似模型蒸馏的方法直接让模型教模型，不用再用数据集打个接力了～

感觉分割的标注也最有提升空间，有的区域全框起来，像素刷一下就能填满了

这个真是专业技能了……不是还有大厂以算法工程师名义招人实习结果干的是标注嘛/狗头

标注模型出来的是初稿，还是要精调的，所以所谓的降低标注成本，就是精调时间vs初调时间或者vs从头开始时间算的吧

因为初始的模型肯定没那么完美呀