AI 的发展有三大内核：数据、算法、算力。现如今，算法和算力在市面上的差距显然已经没有那么大，能够给 AI 提供充足弹药支持的当属数据了。深度学习算法精度的提升严重依赖于数据，谁的数据既多又准，谁的算法精度就可能领先一步。
俗话说「有多少人工就有多少智能」，在做一个深度学习任务之前，一般需要对大量的数据进行标注。虽然数据集对深度学习极其重要，但是标注数据这一「dirty work」的过程却是繁琐而令人痛苦的。当前业界针对各类任务存在众多的标注工具，最常见的就是 labelme 了。labelme 是一款开源的，也是使用最广泛的图像标注工具。可是，它真的很好用么？真的很香吗？
在实际标注体验中，我们总结了一些关于 labelme 的槽点：
- 软件安装麻烦首当其冲。labelme 是开源的没错，但安装它就需要半天时间，还要注意安装环境、安装版本号等，如果直接安装 labelme 不标注版本号在后续 json 到 dataset 的时候会出现异常。都低代码时代了，这工作量严重影响我的开发效率；
- 下载和安装后，标注数据只能在本地存储，数据量小还好，但数据量一大了之后，严重消耗本地存储空间；
- 功能单一，它仅是一个数据标注工具。可在实际的数据准备流程中，我需要对数据进行采集、清洗、标注等全流程的数据准备服务，还需要对我提供的数据进行质量分析；
- 只有图像和视频数据的标注，我实际要标注的数据远不止这两种格式，还有文本、音频等等；
- 完全依赖人工标注，而且还是单人标注。都人工智能时代了，还需要我手动一个个标注，这真的是伤不起啊。
真心不想一一吐槽了，并不是想说开源、免费的软件有多么差，而是仅标注这一件事就占了一个机器学习任务大部分的时间，这么低效能，后面的工作我还干不干了。
那么，是否有一款一站式的标注软件，来解决我的痛苦呢？
现在，我发现有一款比 labelme 更简单、更全面的数据标注工具，不但好用，竟然还可以白嫖，你要不要来试一试？
它就是 AI 开发神器——百度 BML 全功能 AI 开发平台，专门为企业及个人开发者提供机器学习和深度学习一站式 AI 开发服务，并提供高性价比的算力资源，助力企业快速构建高精度 AI 应用，是真的 yyds。
相较于 labelme，BML 的神奇之处是它真的能解决那些动辄成千上万的海量数据标注问题，那些繁琐重复的数据工作，在它那里一站式解决真的不是梦！一起来看看 BML 的强大之处～
无需安装，一键开启；
提供 web 端标注页面，即开即用，交互界面更加友好；
提供智能标注功能，能够根据已标注数据学习标签分布，通过难例样本挖掘等方式实现人机协作，半自动化完成数据标注；
提供数据采集、清洗、标注、质检全流程的数据准备服务；能够自动对数据集进行分析，根据需求完成低质量数据的清洗工作，并在标注完成后，生成数据质检报告，在提升数据集质量的同时极大降低人工成本。
全面覆盖 AI 领域图像、视频、音频、文本等所有数据格式的标注工作；
可以多人同时标注，可将数据集共享给其他用户同步进行标注，让效率搭上火箭，项目进展一飞冲天！
无论是企业的 AI 应用开发，还是高校师生团队的 AI 科研项目，想要获取高精度模型，就必须高效率对训练数据进行清洗、标注、评估、调优等等，任何阻碍项目进程的工具都不能容忍。