Data Labeling

Datenbeschriftung ist der Prozess, Rohdaten um Ground-Truth-Informationen zu ergänzen, etwa um einen Klassennamen für ein Bild, eine Begrenzungsbox um jedes Auto auf einem Straßenfoto oder ein Transkript für einen Audioclip, damit Modelle des überwachten Lernens daraus lernen können. Die Labels legen die Aufgabe fest: Ein Modell lernt genau das vorherzusagen, was die Labels beschreiben, und zwar so präzise und einheitlich, wie sie es beschreiben. Datenannotation ist ein Synonym; die Personen, die diese Arbeit erledigen, heißen Labeler oder Annotierende. Die Beschriftung ist meist der langsamste und teuerste Schritt beim Aufbau von Trainingsdaten. Deshalb lassen viele Workflows ein Modell Labels vorschlagen, die dann von Personen korrigiert werden.

Labeltypen in der Bildverarbeitung#

Das Label-Format richtet sich nach der Aufgabe, die das Modell erfüllen muss:

• Bildklassifizierung: Eine Klasse pro Bild, etwa „fehlerhaft“ oder „in Ordnung“ für ein Teil an einer Prüflinie.
• Objekterkennung: Eine achsenparallele Box und eine Klasse für jedes relevante Objekt.
• Orientierte Begrenzungsboxen: Gedrehte Boxen, die längliche oder schräg liegende Objekte wie Schiffe und Fahrzeuge in Luftbildern umschließen.
• Instanzsegmentierung: Ein Polygon oder eine Pixelmaske, die jedes Objekt einzeln umreißt.
• Semantische Segmentierung: Eine Klasse für jedes Pixel, etwa Straße, Gehweg und Himmel, ohne einzelne Objekte voneinander abzugrenzen.
• Posenschätzung: Keypoints an festen Landmark-Punkten, etwa COCOs 17 Punkte von Nase und Augen bis zu den Knöcheln, oft mit einem Sichtbarkeitskennzeichen für jeden Punkt.

Das erforderliche Maß an Aufwand steigt mit dem Detailgrad. Eine hochwertige Box für ILSVRC, den ImageNet-Wettbewerbsdatensatz, einzuzeichnen dauerte etwa 35 Sekunden. Beim Extreme Clicking, bei dem Annotierende statt der Ecken die obersten, untersten, am weitesten links und am weitesten rechts liegenden Punkte eines Objekts anklicken, sank die Zeit auf 7 Sekunden – bei Boxen gleicher Qualität. Polygone und Pixelmasken benötigen noch mehr Zeit. Außerhalb der Bildverarbeitung kennzeichnen Labels Entitätsabschnitte für die Erkennung benannter Entitäten (NER), Sentiment für die Textklassifizierung und Transkripte für die Spracherkennung.

Der Kennzeichnungsworkflow#

Beschriftungsprojekte beginnen mit schriftlichen Richtlinien, die jede Klasse definieren und Grenzfälle klären, bevor die Arbeit beginnt: Soll ein zu 90 Prozent verdecktes Auto eingerahmt werden? Wie eng sollen die Gliedmaßen einer radfahrenden Person eingezeichnet werden? Wie geht man mit Spiegelungen, winzigen Objekten und Menschenmengen um? Bei der modellgestützten Beschriftung versieht ein Modell, das mit den bisherigen Labels trainiert wurde, neue Bilder vorab mit Labels. Annotierende korrigieren Fehler, Prüfende kontrollieren eine Stichprobe und jedes erneut trainierte Modell macht die Vorschläge der nächsten Runde genauer. Aktives Lernen ergänzt diesen Ablauf um einen Auswahlschritt, sodass zuerst die Bilder beschriftet werden, bei denen sich das Modell am unsichersten ist.

Der Annotationseditor auf der Ultralytics Platform integriert diesen Ablauf: Im Smart-Modus wird ein Klick mithilfe der Segment Anything-Modelle von Meta in eine Maske umgewandelt. Alternativ lassen sich Vorhersagen vortrainierter oder eigener feinabgestimmter YOLO-Modelle als Entwurfsannotationen hinzufügen. Derselbe Schritt zur Vorabbeschriftung läuft in Python mit einem YOLO26-Detektor, der seine Vorhersagen im für das Training verwendeten Labelformat speichert:

from pathlib import Path

from ultralytics import YOLO

# Einen vortrainierten YOLO26-Nano-Detektor laden, um Labels vorzuschlagen
model = YOLO("yolo26n.pt")

# Vorhersage für ein unbeschriftetes Bild erstellen
results = model("https://ultralytics.com/images/bus.jpg")
result = results[0]

# Für jedes Objekt eine Zeile im Format „class x_center y_center width height“ schreiben, normalisiert auf den Bereich 0–1
label_file = result.save_txt("bus.txt")

# Die Entwurfslabels ausgeben, die eine annotierende Person überprüfen wird
print(Path(label_file).read_text())

Jede ausgegebene Zeile enthält einen COCO-Klassenindex, gefolgt von Mittelpunkt, Breite und Höhe der Box als Bruchteile der Bildgröße. Das ist das YOLO-Beschriftungsformat, das beim Training direkt eingelesen wird, sobald eine annotierende Person fehlerhafte oder fehlende Boxen korrigiert hat. Für Klassen, die keinem vortrainierten Detektor bekannt sind, kann die Ultralytics Platform Erkennungsdatensätze automatisch mit Vision-Language-Modellen beschriften, die Objekte anhand ihrer Namen finden. Die VLM-Bestenliste vergleicht, wie genau die einzelnen Modelle reale Bilder beschriften.

Labelqualität#

Ein Modell kann nicht konsistenter sein als seine Labels, und Fehler kommen selbst in bekannten Datensätzen häufig vor. Eine Studie zu Label-Fehlern in 10 weit verbreiteten Benchmarks schätzte, dass durchschnittlich mindestens 3,3 % der Testlabels falsch sind, darunter mindestens 6 % des ImageNet-Validierungssets. Teams finden Fehler mithilfe mehrerer etablierter Prüfverfahren:

• Goldfragen: Elemente mit bekannten Antworten, die in die Warteschlange jeder Labelerin und jedes Labelers aufgenommen werden, um die Genauigkeit zu messen. Sie stammen häufig aus einem Golddatensatz.
• Überlappende Beschriftung: Zwei oder mehr Annotierende beschriften dieselben Elemente. Ihre Übereinstimmung wird bei Klassenlabels mit Cohens Kappa oder anhand der Schnittmenge über Vereinigung (IoU) ihrer Boxen und Masken bewertet.
• Modellgestützte Prüfung: Ein trainiertes Modell markiert Labels, denen es stark widerspricht. Tools wie cleanlab ordnen die wahrscheinlichsten Label-Fehler für die menschliche Überprüfung.

Datenbeschriftung und verwandte Begriffe#

• Datenannotation: Ein Synonym. Computer-Vision-Teams sprechen bei eingezeichneter Geometrie wie Boxen und Masken meist von Annotation.
• Halbüberwachtes Lernen: Ein Modell beschriftet unbeschriftete Daten selbst und behält seine sicheren Vorhersagen als Pseudolabels bei, ohne dass eine menschliche Überprüfung stattfindet.
• Aktives Lernen: Legt fest, welche Elemente Personen als Nächstes beschriften, typischerweise diejenigen, bei denen das aktuelle Modell am unsichersten ist.
• Datenbereinigung: Behebt Probleme in einem Datensatz, etwa Duplikate, beschädigte Dateien und uneinheitliche Formate, einschließlich falscher Labels, die nach der Beschriftung gefunden werden.
• Synthetische Daten: Gerenderte oder generierte Bilder, deren Labels der Generator kostenlos mitliefert, weil der Szenenaufbau genau bekannt ist. Dafür unterscheiden sich synthetische und reale Bilder voneinander.