大家一般怎么做数据标注的，如果我的训练样本有5000个图片，怎么快速标注？

[150109514]

我从我项目的页面中，爬下来5千个验证码图片。 在做训练前，应该是需要对这5000个图片进行标注的吧，请问大家都是怎么快速标注的？

[otacu]

唉，我也标到吐血，觉得最不科学就是这一步

[superboy-zjc]

判断验证码是什么库生成的，写一个对应库的示例程序，生成验证码图片，图片名字符合 验证码_序列号 的规则。

[Samge0]

如果不是用程序模拟生成的验证码而是要用目标站点的验证码，推荐：

用python写个爬虫脚本 + 付费的验证码识别服务（一般几分钱一个验证码），如果填写的验证码在目标网站验证通过，则保存该验证码&对应标注信息，这样就可以得到一个绝对正确的标注集了。

人工标注的话太费眼睛了。。。

[nowgoo]

我的项目刚好也有 5000 个样本，是这么标注的：

1. 人肉标注 1000 个样本。为了防止大脑罢工，我选择标 200 个玩一会游戏回血。
2. 训练这标好的 1000 个样本，精度稳定在 80% 以上。对剩下的 4000 个样本自动打标。
3. 把自动打标的图片按文件名（也就是标签）升序，如果打标正确，那么图片的内容也应该是升序的。从左至右、从上至下扫描图片内容，发现不符合排序的图片就是打错的。手工挑出来，人肉更正。

一上午就搞完了。

[NBY]

我的思路是看目标站的程序是不是网上找的到的，能找到就直接把程序中生成验证码的部分拆出来，然后随机生成字符，用源程序的生成代码生成图片，然后保存。