Зачем нужна разметка данных для нейросети?

Основная задача разметки данных — помочь выявить логические закономерности.

Самый простой пример — классификация изображений. Допустим, что наша цель - модель, которая будет отличать собак и кошек. Без разметки данных мы бы имели большой набор неструктурированных данных. Но если мы присвоим каждому изображению метки в соответствии с их содержанием, то обучение будет строиться на анализе схожих параметров. 

Усложним задачу: нужно, чтобы помимо классификации по видам (кошки/собаки), классификатор отличал животных по породе. Тогда это уже будет многоклассовая классификация. И чтобы ее реализовать, нужно будет с помощью разметки показать модели, какие породы присутствуют на входных данных.

Подход создания нейросети с использованием размеченных данных называется обучением с учителем (имеются своего рода ориентиры). Если данные не размечены - обучение без учители. Соответственно, модель сама пытается научиться извлекать признаки и зависимости.

Это применимо ко всем видами разметки данных: сегментации, NER, BBox. Чем больше корректно размеченных данных будет на входе, тем проще, точнее и быстрее будет проходить обучение.

Мы подробно расписали применения и задачи различных видов разметки на нашем сайте.