数据标注如何助力智能健身

根据数据显示，2021年中国大众健身年均消费5700元，同比增长35%。智能健身产品已经成为体育健身消费的五大品类之一，获得越来越多消费者的的青睐。根据报道显示，近年来国内不出现了F等新锐科技公司，就连华为、小米、oppo等老牌高科技公司也进入这条高价值赛道。

有健身专家指出，虽然智能健身带来了新的解决方案和潜在的盈利空间，但健身行业的本质仍是服务，服务体验更多取决于产品内容。例如独角兽公司F，F是国内智能健身市场的领头羊。F不仅累计融资近4亿美元，而且凭借"内容+服务+AI "模式形成了自己显著的竞争优势。

其中，AI指的是智能运动追踪系统。 该系统能实现动作抓取、实时纠正错误姿势且具备数据分析功能。随着课程不断优化和升级，为了具备持续产品竞争力，系统同样需要不断更新。

根据研究显示，团队部署新模型的速度、训练现有模型的频率以及获取数据标注的时间长短，这三者存在线性关系。快速部署新模型的团队(尤其是部署时间小于1个月)需要比那些部署时间更长的团队更快地获取到标注好的数据。相比每月、每季度或每年才对现有模型进行重新训练的团队，训练次数更频繁(例如，每天或每周)的团队需要更快地获取到标注好的数据。

下面我们来看一个Yoga瑜伽姿势语义分割标注

1. 项目描述：
1）应用于瑜伽app，检查用户姿势是否正确
2）测试一个姿势1000张图的效果（一个姿势不同角度），比如：做一个侧板式的姿势，并从多个角度进行标注

2. 工程量： 初始5000张图，不同角度和姿势（1000张全身照，包含不同的角度和姿势）
3. 标注要求：
1）两种类别：人物和背景
2）标注误差5像素
4. 标注难度：
1）头发的处理
2）腿部中间缝隙的标注

ByteBridge是⼀个数据标注和采集平台，为⼈⼯智能企业提供数据处理服务
您专注于产品，我们专注于您的数据
我们提供试标试采服务，欢迎联系我们
邮箱：support@bytebridge.io
官网链接