人工智能數(shù)據(jù)服務 課件 4-2 項目四 任務4-2 工業(yè)芯片缺陷圖像數(shù)據(jù)標注

任務4-2工業(yè)芯片缺陷圖像數(shù)據(jù)標注2中國半導體產(chǎn)業(yè)已經(jīng)取得了一系列的成就和進步。在集成電路設計領域，中國擁有超過2000家設計企業(yè)，涵蓋了從通信、計算、消費電子到汽車電子、工業(yè)控制等各個細分市場的產(chǎn)品，其中不乏具有國際競爭力的龍頭企業(yè)，如華為海思、紫光展銳、炬力集成等。在集成電路制造領域，中國擁有超過100家制造企業(yè)，其中中芯國際、華微電子、長江存儲等企業(yè)已經(jīng)實現(xiàn)了14納米及以下工藝的量產(chǎn)，而長電科技、中芯南方等企業(yè)也在積極布局7納米及以下工藝的研發(fā)和建設。在半導體制造業(yè)中，芯片的質(zhì)量問題可能導致整個電子設備的故障，芯片質(zhì)量檢測是生產(chǎn)中的關鍵環(huán)節(jié)。劃痕是常見的表面缺陷，可能嚴重影響芯片的性能和穩(wěn)定性。因此，及時準確地檢測芯片表面是否存在劃痕，對于確保產(chǎn)品質(zhì)量至關重要。通過對芯片圖像數(shù)據(jù)進行標注，可以為機器學習模型提供高質(zhì)量的訓練數(shù)據(jù)，使其能夠自動判斷芯片表面是否存在劃痕，提高生產(chǎn)效率，保證芯片質(zhì)量。本任務將提供60張芯片圖像，利用LabelStudio標注平臺，完成芯片圖像數(shù)據(jù)是否存在劃痕及劃痕位置的標注。部分芯片數(shù)據(jù)集如圖所示，其中左邊兩張芯片存在較明顯的劃痕，右邊兩張不存在劃痕缺陷。4.2.1圖像數(shù)據(jù)標注定義圖像數(shù)據(jù)標注是一項關鍵的計算機視覺任務，它涉及將文本或標簽分配給圖像以描述圖像中的對象、區(qū)域或特征。這個過程使計算機能夠理解圖像內(nèi)容，為各種應用提供有關圖像的重要信息。標注通常包括為圖像中的元素分配類別標簽、邊界框或其他描述性信息，從而使計算機可以識別和分析圖像中的內(nèi)容。圖像數(shù)據(jù)標注的主要目的是為機器學習模型提供監(jiān)督式訓練數(shù)據(jù)。通過將圖像與相關標簽相結合，模型可以學習如何識別不同對象、執(zhí)行目標檢測、進行圖像分類、實現(xiàn)人臉識別等任務。標注數(shù)據(jù)的質(zhì)量和準確性對于訓練高性能的計算機視覺模型至關重要。4.2.2圖像數(shù)據(jù)標注應用場景圖像數(shù)據(jù)標注是將文本或標簽與圖像相關聯(lián)的過程。這些文本或標簽可以描述圖像中的對象、特征、場景或其他重要信息。標注使計算機能夠理解圖像，以便執(zhí)行各種任務。圖像數(shù)據(jù)標注在各種領域中具有廣泛的應用，包括但不限于以下四個領域。（1）計算機視覺圖像分類：將圖像分為不同的類別，如貓、狗、汽車等。對象檢測：識別圖像中的對象，并確定它們的位置。圖像分割：將圖像分成不同的區(qū)域，每個區(qū)域具有不同的語義信息。（2）醫(yī)學圖像分析病灶檢測：在醫(yī)學圖像中標注疾病病灶的位置和屬性。器官分割：將醫(yī)學圖像中的器官分割出來，以便進行進一步的分析。標注數(shù)據(jù)是訓練機器學習模型的關鍵，沒有標注數(shù)據(jù)，模型將無法學習如何理解圖像。圖像數(shù)據(jù)標注有助于改進計算機視覺系統(tǒng)的性能，從而在自動駕駛、醫(yī)學診斷和其他應用中提供更準確的結果。（3）自動駕駛道路物體檢測：標注道路上的車輛、行人、信號等，以幫助自動駕駛汽車感知周圍環(huán)境。（4）媒體和廣告圖像推薦：標注圖像以改進媒體和廣告推薦系統(tǒng)。4.2.3圖像數(shù)據(jù)標注方法圖像數(shù)據(jù)標注的方法可分為屬性標注、關鍵點標注、矩形框標注和語義分割標注。圖像數(shù)據(jù)標注不僅僅是為了給圖像打上標簽，它是一個復雜的過程，旨在為圖像提供更深入的信息和上下文。根據(jù)應用領域和場景的不同，需要選擇合適的圖像數(shù)據(jù)標注方法，為機器學習模型提供訓練數(shù)據(jù)，幫助機器更好地理解和解釋圖像內(nèi)容。例如，對于簡單的圖像分類使用屬性標注，而對于語義理解則要使用語義分割標注及屬性標注。1．屬性標注在圖像數(shù)據(jù)標注中，屬性標注旨在為圖像中的對象、場景或特征分配準確的標簽，以便機器學習模型能夠理解并分類這些圖像。圖像分類是其中一個主要應用領域，通過為圖像賦予正確的類別屬性標簽，模型可以學習到在從未見過的圖像中識別和分類物體的能力。ImageNet挑戰(zhàn)是一個著名的圖像分類比賽，參與者需要訓練模型對數(shù)百萬張圖像進行1000個不同類別的分類，而訓練數(shù)據(jù)就來自于各類圖像的屬性標注數(shù)據(jù)集。ImageNet屬性標注部分數(shù)據(jù)集如圖所示。該挑戰(zhàn)推動了圖像分類領域的發(fā)展，促使了一系列深度學習模型的涌現(xiàn)，如AlexNet、ResNet等。類似地，CIFAR10數(shù)據(jù)集（如圖4-2-3所示）和MINIST數(shù)據(jù)集（如圖4-2-4所示）都是對圖像進行屬性標注，為每個圖像添加了類別標簽，方便機器學習模型的訓練與開發(fā)。2．關鍵點標注在計算機視覺和機器學習領域，關鍵點標注是一項重要的任務，它涉及在圖像中標記特定對象或特征的關鍵點。這些關鍵點通常用于定位和識別對象，如人臉、身體姿勢、物體的關鍵部位等。關鍵點標注方法在很多視覺任務中有著實際的應用，包括但不限于以下視覺任務。（1）人臉關鍵點：人臉是計算機視覺領域中的一個熱門應用，而人臉關鍵點標注是實現(xiàn)高精度模型的重要步驟。通過標記人臉面部特征點，如眼睛、鼻子和嘴巴，實現(xiàn)人臉關鍵點的標注，如圖4-2-5所示，分別用12個、9個和20個關鍵點標記眼睛、鼻子和嘴巴。人臉關鍵點標注應用在多個領域中：在人臉識別中，標注人臉關鍵點有助于構建準確的人臉識別模型，從而用于身份驗證和訪問控制；在表情分析中，通過分析標注的關鍵點，可以識別人臉表情，如笑容、憤怒等；在虛擬現(xiàn)實和增強現(xiàn)實中，標注關鍵點可用于創(chuàng)建逼真的虛擬角色或增強現(xiàn)實效果；在美容應用行業(yè)，一些美容應用程序使用人臉關鍵點標注來進行美容效果的定制，如添加化妝或改變發(fā)型。（2）人體關鍵點：標注人體關鍵點，如肩膀、肘部、膝蓋等，以估計人體的姿勢和動作，如圖4-2-6所示。人體關鍵點標注關注的是人體的一些重要的骨骼關節(jié)，如膝蓋關節(jié)、肘關節(jié)、肩關節(jié)等。這些關鍵點的精確位置信息，對于人體姿勢估計、動作識別、行為理解等任務具有重要意義。在人體關鍵點識別中，通常關鍵點數(shù)量可以為14、17、18等。每個關鍵點的定義一般包括靜態(tài)元素（如頭部位置、四肢關節(jié)等）和動態(tài)元素（如眨眼動作、嘴巴開合等）。人體關鍵點標注在多個領域中都有著應用：在人體姿勢估計中，通過標注人體關鍵點，有助于估計人體的姿勢、動作和姿態(tài)，可用于運動分析和人機交互；在個人行為分析中，通過跟蹤人體關鍵點，可以識別和分析不同行為，如散步、跑步、舉重等；在醫(yī)學圖像分析中，常用于標注腫瘤、器官和骨骼的關鍵點，以輔助醫(yī)學診斷和研究；在人體建模中，主要用于創(chuàng)建虛擬人體模型，用于游戲開發(fā)、虛擬現(xiàn)實和動畫制作。（3）物體關鍵點：在圖像數(shù)據(jù)標注中，物體關鍵點標注是一種常見的任務。它主要是在圖像中對特定對象進行精細級的標注，包括標注物體的關鍵部位，它不僅可以幫助我們更好地理解圖像中的物體結構，還可以用于訓練機器學習模型來自動識別和定位物體，可應用在物體檢測、圖像匹配和視覺跟蹤等領域，利于后續(xù)的深度學習模型分析和識別。在物體檢測中，標注的關鍵點根據(jù)物體種類和需要解決的問題會有所不同。例如，對于汽車，可能選擇車門、車窗、前燈、后燈等作為關鍵點。矩形框標注又叫拉框標注，是一種常用的圖像標注技術，可用于檢測、目標識別和物體定位等任務。它的目標是為圖像中的每個目標分配一個矩形框和屬性標簽，以標識目標的位置和大小。這種標注方法為機器學習模型提供了目標的位置和大小信息，使得模型能夠更好地識別和定位目標。矩形框標注旨在一張圖像中，通過繪制矩形框，來框選出圖像中感興趣的目標或區(qū)域。矩形框標注結果可由四個頂點坐標表示，分別是左上角的(x1,y1)和右下角的(x2,y2)；也可由一個頂點坐標和矩形框的高寬度表示，分別為左上角的(x1,y1)、寬度w和高度h。矩形框標注常用于標注自動駕駛下的人、車、物等。矩形框標注還需結合屬性標注，通過屬性標注出物體的類別。圖像矩形框標注是訓練目標檢測模型所需的數(shù)據(jù)準備步驟，具有重要的研究和應用價值。例如，在水果檢測任務中，通過矩形框標注出水果的類別及位置，如圖4-2-7所示。3．矩形框標注圖像矩形框標注在計算機視覺領域中有著廣泛的應用。在目標檢測與識別任務中，通過圖像矩形框標注，可以幫助目標檢測和識別算法更準確地定位和識別圖像中的目標。矩形框可以提供目標的位置和邊界信息，從而得到更精確的目標檢測和定位結果。在物體識別與分類任務中，通過標注不同類別的目標矩形框，可以幫助計算機視覺模型學習目標的特征和屬性，從而實現(xiàn)對圖像中不同類別目標的準確識別和分類。在圖像分割與語義理解中，通過標注不同目標的矩形框，可以實現(xiàn)對圖像中不同目標的區(qū)域劃分和語義理解，從而為圖像分割和場景理解提供更精確的信息支持。在視頻分析與跟蹤應用中，通過對視頻序列中目標的矩形框標注，可以實現(xiàn)對目標在時間和空間上的跟蹤和分析，從而實現(xiàn)對視頻內(nèi)容的理解和跟蹤。3．矩形框標注圖像語義分割標注（SemanticSegmentationAnnotation）是計算機視覺領域中的一項重要任務，旨在將圖像劃分為不同的語義區(qū)域，并為每個像素分配對應的語義標簽。與簡單的目標檢測、圖像分類等任務不同，語義分割關注于像素級別的精確識別。準確的圖像標注是訓練高效語義分割模型的關鍵。它為算法提供了真實世界的樣本，幫助模型學習如何正確地將圖像中的像素進行分類。根據(jù)實際應用需求，定義要識別的像素對象類別，并為每個類別分配一個唯一的標簽。通過語義分割標注，我們可以實現(xiàn)對圖像中不同目標和背景的像素級別的理解和區(qū)分，從而為計算機視覺算法和應用提供更精確和細致的圖像信息。傳統(tǒng)的圖像分割方法主要基于像素級的顏色、紋理和形狀特征，但這些方法無法準確地捕捉到目標的語義信息。而語義分割通過將圖像中的像素分配給不同的語義類別，能夠?qū)崿F(xiàn)對圖像內(nèi)容的更細粒度的理解。語義分割標注是訓練語義分割模型所必須的數(shù)據(jù)準備步驟，具有重要的研究和應用價值。4．語義分割標注圖像語義分割標注在許多計算機視覺應用中發(fā)揮著重要作用。在目標檢測與識別中，通過語義分割標注，可以實現(xiàn)對圖像中不同目標的像素級別的定位和識別。在圖像分割與編輯任務中，語義分割標注可以將圖像分割為不同的語義區(qū)域，有助于實現(xiàn)對圖像的分割、合成和編輯。通過標注不同的語義區(qū)域，我們可以在圖像中進行像素級別的編輯操作，如背景替換、對象移除等。在自動駕駛與智能交通應用中，語義分割標注具有重要應用，通過對道路、車輛和行人等目標進行語義分割標注，可以幫助自動駕駛系統(tǒng)更準確地理解場景和識別交通對象，從而提高自動駕駛的安全性和性能。在醫(yī)學圖像分析過程中，通過對醫(yī)學圖像中的組織、器官和病變區(qū)域進行語義分割標注，可以幫助醫(yī)生準確診斷和定位疾病，指導治療和手術規(guī)劃。如圖所示為道路的語義分割標注，通過對圖像中的每個像素定義不同的顏色類別標簽，實現(xiàn)不同區(qū)域的語義分割。4．語義分割標注4.2.4圖像數(shù)據(jù)標注質(zhì)量控制圖像數(shù)據(jù)標注的質(zhì)量控制是保證標注結果準確性和一致性的關鍵步驟。準確性反映標注結果是否與真實情況一致，例如是否正確標注了目標位置、類別等信息。一致性反映不同標注人員或多次標注同一樣本結果的一致程度。在計算機視覺領域中，高質(zhì)量的標注數(shù)據(jù)對于訓練和評估模型的性能至關重要。在機器學習項目中，標注的數(shù)據(jù)質(zhì)量決定了最終模型的性能。低質(zhì)量的標注數(shù)據(jù)可能導致訓練出的模型性能不穩(wěn)定，無法泛化到新的數(shù)據(jù)集上。在大規(guī)模的圖像數(shù)據(jù)標注任務中，如果標注數(shù)據(jù)存在錯誤或不一致性，將會導致機器學習模型的性能下降，從而影響到應用效果。為了保證標注結果的準確性和一致性，需要采取一系列的質(zhì)量控制措施，包括制定圖像數(shù)據(jù)標注標準，控制標準質(zhì)量，并對標注結果進行評估。1．標注標準制定制定明確的標注規(guī)范和準則是保證標注質(zhì)量的基礎。標注規(guī)范應包括對目標類別的定義、標注工具的使用說明、標注對象的邊界標定方法等，通過準確的標注規(guī)范和準則，可以使標注人員在進行標注時有明確的目標，避免主觀因素的干擾。應根據(jù)不同的標注任務制定標準，如矩形框標注需要規(guī)定框的最小尺寸、位置限制等。對每個細節(jié)都應進行規(guī)定，如人體各個部位的標注、目標重疊區(qū)域的處理等。2．標注質(zhì)量控制圖像數(shù)據(jù)標注的質(zhì)量控制是保障標注質(zhì)量和提高標注效率的一個重要部分，是確保構建有效的計算機視覺模型的關鍵。質(zhì)量控制不僅包括對標注數(shù)據(jù)的檢查與修正，還包括對整個標注過程的管理。（1）標注人員培訓。為了保證標注結果的一致性和準確性，需要對標注人員進行充分的培訓。培訓內(nèi)容包括標注規(guī)范和準則的解讀、標注工具的使用方法、常見問題的處理等。通過培訓可以提高標注人員的專業(yè)水平和標注質(zhì)量。（2）標注任務分配?？梢詫俗⒌娜蝿者M行隨機分配、專業(yè)分配及多人分配等相結合的靈活分配方式。隨機分配指將標注任務隨機分配給標注人員，這種方法簡單易行高效，但可能會導致標注人員之間的標注結果存在差異，從而影響到標注數(shù)據(jù)的一致性。專業(yè)分配指將標注任務分配給具有相關專業(yè)背景的標注人員，這種方法可以提高標注數(shù)據(jù)的準確性和一致性，但可能會導致任務分配時間較長。多人分配指將同一標注任務分配給多個標注人員，這種方法可以確保標注結果的一致性和準確性，從而提高標注數(shù)據(jù)的質(zhì)量。（3）標注過程質(zhì)檢?？梢噪S機選擇部分樣本，由專門的質(zhì)檢人員對標注結果進行復核和驗證。質(zhì)檢人員需要對標注規(guī)范和準則有清晰的理解，并與標注人員進行交流和反饋。通過樣本復核和驗證，可以及時發(fā)現(xiàn)和糾正標注錯誤，提高標注結果的準確性。（4）標注數(shù)據(jù)的校驗及修正。在標注完成后，我們需要對標注數(shù)據(jù)進行校驗，以確保標注數(shù)據(jù)的準確性。可以邀請第三方進行獨立的標注，然后比較兩者的結果，以確保標注的準確性。如果發(fā)現(xiàn)標注數(shù)據(jù)存在錯誤，需要及時進行修正，以確保標注數(shù)據(jù)的準確性。（5）標注質(zhì)量評估。使用定量評估指標來度量標注質(zhì)量，例如，對于對象檢測任務，可以使用準確率、召回率和F1值等指標進行評估；對于語義分割任務，可以使用IoU（IntersectionoverUnion）指標來衡量標注結果與真實標簽的一致性。（6）反饋機制和持續(xù)改進。建立良好的反饋機制，及時收集標注人員和質(zhì)檢人員的意見和反饋。通過定期的交流和討論，可以發(fā)現(xiàn)標注流程中的問題和改進點，不斷優(yōu)化標注質(zhì)量控制策略，提高標注結果的準確性和一致性。3．標注結果評估對于不同類型的圖像數(shù)據(jù)標注任務，有各種不同的定量評估指標可用來評估標注結果的質(zhì)量。以下是一些常用的定量評估指標及其解析。（1）準確率（Accuracy）：準確率是最常見的評估指標之一，用于衡量分類任務中標注結果與真實標簽的一致性。它表示正確分類的樣本數(shù)占總樣本數(shù)的比例。準確率越高，表示標注結果越準確。準確率=正確分類的樣本數(shù)/總樣本數(shù)（2）召回率（Recall）：召回率也被稱為查全率，用于衡量在目標檢測任務中標注結果對真實目標的覆蓋程度。它表示被正確檢測到的目標數(shù)量占真實目標總數(shù)的比例。召回率越高，表示標注結果對真實目標的覆蓋程度越好。召回率=被正確檢測到的目標數(shù)量/真實目標總數(shù)（3）精確率（Precision）：精確率用于衡量在目標檢測任務中標注結果的準確性。它表示被正確檢測到的目標數(shù)量占標注結果中被檢測為目標的樣本數(shù)的比例。精確率越高，表示標注結果中被檢測為目標的樣本準確性越高。精確率=被正確檢測到的目標數(shù)量/標注結果中被檢測為目標的樣本數(shù)（4）F1值（F1-Score）：F1值是綜合考慮精確率和召回率的評估指標，用于衡量分類和目標檢測任務中的綜合性能。它是精確率和召回率的調(diào)和平均值，可以解決只關注精確率或召回率而忽視另一方面的問題。F1值=2*(精確率*召回率)/(精確率+召回率)（5）IoU：IoU是用于衡量語義分割和實例分割任務中標注結果與真實分割之間的重疊程度。它計算標注結果與真實分割的交集區(qū)域與它們的并集區(qū)域之間的比例。IoU值越高，表示標注結果與真實分割越接近。IoU=交集區(qū)域/并集區(qū)域這些定量評估指標可以提供對標注結果質(zhì)量的量化度量。需要根據(jù)具體任務和需求，選擇適當?shù)闹笜诉M行評估，并結合其他信息綜合判斷標注結果的質(zhì)量。此外，還可以使用混淆矩陣、ROC曲線、AP（AveragePrecision）等評估指標可以更全面地評估標注結果的質(zhì)量。表4-2-1任務工單圖像數(shù)據(jù)標注任務工單如表4-2-1所示。班級：組別：姓名：掌握程度：任務名稱芯片圖像劃痕分類標注任務目標完成芯片圖像是否存在劃痕缺陷的分類標注標注數(shù)據(jù)芯片圖像工具清單Anaconda、LabelStudio操作步驟步驟一：打開AnacondaPowershellPrompt終端，使用conda命令激活虛擬標注環(huán)境，啟動LabelStudio數(shù)據(jù)標注平臺步驟二：使用LabelStudio新建圖像數(shù)據(jù)分類標注項目，設置標注標簽，導入圖像數(shù)據(jù)步驟三：對芯片圖像數(shù)據(jù)進行有無劃痕的標注，檢查及修改標注任務，完成所有圖像數(shù)據(jù)的標注步驟四：查看標注數(shù)據(jù)的結果，格式化并導出標注結果考核標準1．LabelStudio標注平臺的正確啟動2．標注項目模板的正確選擇及標簽的設置3．標注結果的準確性4.2.5圖像數(shù)據(jù)標注實戰(zhàn)步驟一啟動數(shù)據(jù)標注平臺參照任務4.1任務實施的步驟三和四，進入LabelStudio數(shù)據(jù)標注平臺。condaactivatelabel-studiolabel-studiostart步驟二導入標注數(shù)據(jù)（1）單擊數(shù)據(jù)標注平臺頁面上的“CreateProject”按鈕，就可以開始創(chuàng)建一個新的數(shù)據(jù)標注項目了，如圖所示。創(chuàng)建項目的過程中需要輸入項目名稱、標注類型、數(shù)據(jù)來源、數(shù)據(jù)格式等基本信息，并且可以根據(jù)需要進行高級設置和自定義配置，以滿足不同的標注需求。步驟二．導入標注數(shù)據(jù)（2）創(chuàng)建項目后，就可以填寫項目名稱，如圖4-2-10所示，選擇“ProjectName”（項目名稱）選項卡，在“ProjectName”文本框中輸入“芯片劃痕分類數(shù)據(jù)標注”，在“Description”（項目描述）文本框中輸入“對芯片圖像數(shù)據(jù)集進行‘有劃痕’和‘無劃痕’分類標簽的標注”，完成項目基本信息的設置。步驟二．導入標注數(shù)據(jù)（3）切換到“DataImport”（數(shù)據(jù)導入）選項卡，進入數(shù)據(jù)導入頁面，準備將需要進行標注的數(shù)據(jù)文件導入該項目中。可以在“AddURL”（加入網(wǎng)址）標簽左邊的文本框中輸入網(wǎng)址，添加線上網(wǎng)絡數(shù)據(jù)，然后單擊“UploadMoreFiles”（上載文件）按鈕導入本地文件。導入數(shù)據(jù)的流程較為簡單，用戶只需按照任務管理頁面指示選擇需要導入的數(shù)據(jù)文件即可，如圖4-2-11所示，導入了芯片圖像數(shù)據(jù)。步驟二．導入標注數(shù)據(jù)（4）選擇CreateProject頁面中的“LabelingSetup”（標注設置）選項卡，進入標注模板選擇頁面。先在左邊標注類型中選擇“ComputerVision”（計算機視覺）類型，再在右邊出現(xiàn)的模板中選擇“ImageClassification”（圖像分類），可以實現(xiàn)芯片圖像分類，如圖4-2-12所示。步驟二．導入標注數(shù)據(jù)（5）選擇“ImageClassification”模板后，進入新的頁面，單擊“×”（刪除標簽）按鈕，可清空“Choices”（標簽選項）框中的所有標簽，如圖4-2-13所示，最后單擊右上角的“Save”按鈕，完成圖像分類標注任務的創(chuàng)建。步驟二．導入標注數(shù)據(jù)如圖4-2-14所示，每一行為一個標注任務，對應一張待標注的圖像數(shù)據(jù)。步驟三具體標注任務使用數(shù)據(jù)標注平臺完成了標注任務的創(chuàng)建，接下來將利用數(shù)據(jù)標注平臺按照圖像數(shù)據(jù)標注的方法進行數(shù)據(jù)標注。具體步驟如下。（1）在LabelStudio標注平臺首頁選擇剛剛創(chuàng)建“芯片劃痕分類數(shù)據(jù)標注”任務，單擊頁面右上角的標注“Settings”按鈕，如圖4-2-15所示。進入標注設置頁面后，選擇“Labelinginterface”（標注交互界面）選項，根據(jù)實際任務進行配置。在本次圖像分類標注任務中，可將芯片圖像分為“有劃痕”和“無劃痕”兩類，每類對應一個中文標簽。先清空標簽框中的所有標簽，然后在“Addlabelnames”（添加標簽名稱）框中輸入“有劃痕”“無劃痕”兩個標簽，單擊“Add”按鈕完成標簽的添加，最后單擊“Save”按鈕，完成標注標簽的設置，如圖4-2-16所示。步驟三．具體標注任務步驟三．具體標注任務（2）回到芯片劃痕分類數(shù)據(jù)標注項目界面，可以單擊“LabelAllTasks”按鈕開始數(shù)據(jù)的標注，用戶需要按照標注任務設置的標簽和規(guī)則，對數(shù)據(jù)進行標注并提交標注結果。為了提高標注效率和準確性，用戶還可以利用快捷鍵及數(shù)據(jù)預覽、媒體播放等功能進行標注。標注完成后，用戶可以對標注結果進行審核和修改，并導出標注數(shù)據(jù)以供后續(xù)分析和使用，如圖4-2-17所示。步驟三．具體標注任務（3）除了圖像底部的標簽之外，標注界面還可能顯示其他元素，如數(shù)據(jù)來源、標注規(guī)則、標注說明等內(nèi)容。用戶需要詳細了解這些信息，并在標注過程中嚴格按照規(guī)則進行操作，以確保標注結果的準確和一致性。對于圖像標注任務，如果這張圖像符合“無劃痕”標簽的要求，則在相應的復選框中打勾，表示該圖像已經(jīng)完成了“無劃痕”的標注，如圖4-2-18所示。步驟三．具體標注任務（4）除了在標簽前面的復選框中打勾，還可以使用快捷鍵快速完成標注任務。在標注界面中，通常會有相應的快捷鍵說明，如“1”代表有劃痕，“2”代表無劃痕等。用戶可以使用鍵盤上的數(shù)字鍵進行標注，按下對應數(shù)字鍵后“1”后，系統(tǒng)會自動幫助用戶打勾“有劃痕”標簽，如圖4-2-19所示。用戶可以繼續(xù)按快捷鍵完成其他任務，或單擊“Submit”按鈕提交標注結果。步驟三．具體標注任務（5）提交成功后，系統(tǒng)會自動保存標注結果，并跳轉(zhuǎn)到下一張圖像數(shù)據(jù)。新的圖像數(shù)據(jù)會顯示在標注界面中，用戶可以依照同樣的方法進行分類數(shù)據(jù)的標注。將所有的數(shù)據(jù)標注完成后，返回到任務的首頁，此時可以看到每個任務的標注時間、標簽數(shù)量及跳過的標簽數(shù)量。標注結果總覽界面如圖4-2-20所示，每個圖像的總標注數(shù)量為1，跳過的標注數(shù)量為0。步驟四修改標注任務（1）如果用戶需要對某個已經(jīng)標注過的圖像進行更新修改，可以單擊該圖像對應的任務行進入該圖像的標注任務編輯界面。在這個編輯界面中，用戶可以對之前的標注結果進行修改或添加新的標注結果。修改完成后，用戶需要保存并更新這次標注結果，這樣后續(xù)的數(shù)據(jù)處理和分析才能使用正確的數(shù)據(jù)。（2）在標注過程完成后，如果檢查發(fā)現(xiàn)芯片劃痕標注錯誤，如圖4-2-21所示，芯片圖像無劃痕，被錯誤標記為“有劃痕”的圖像，則需要進行修改。步驟四．修改標注任務此時可在標注任務界面中，重新標注芯片圖像劃痕標簽，如圖4-2-22所示，再次選擇一個正確的圖像標簽“無劃痕”后，單擊“Update”按鈕，完成圖像數(shù)據(jù)標注結果的修改。在完成更新后，系統(tǒng)會自動保存新的標注結果，覆蓋之前的錯誤標注結果，以確保用戶能夠使用最新的標注結果進行后續(xù)的數(shù)據(jù)處理和分析。步驟四．修改標注任務（3）標注內(nèi)容修改更新完成后，單擊界面上方的“芯片劃痕分類數(shù)據(jù)標注”項目名，如圖4-2-23所示，可返回到圖像數(shù)據(jù)標注項目首頁，查看標注任務列表。如果還需要對某個圖像標注任務進行修改，