Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Labelen van data

Engels: Data labeling · Ook wel: data labeling, data labelling, datalabeling, data annotation, data-annotatie

In het kort

Datalabelen is een methode die ruwe data van de juiste aanduidingen voorziet, zodat een AI-model van voorbeelden leert. Mensen of programma's geven elke foto, elke tekst of elk geluidsfragment een label dat aangeeft welke categorie of betekenis daarbij hoort. Zonder die labels ziet het model alleen losse gegevens en kan het nieuwe foto's, zoals een vogel of een paard, niet goed herkennen.

Waarom is dit belangrijk?

Dankzij het labelen van data kunnen systemen afwijkingen op medische scans signaleren en artsen helpen bij een eerste beoordeling. In Nederlandse zorginstellingen worden zulke systemen breed ingezet in de radiologie, voor diagnose, behandeling en prognose. Patiënten en zorgverleners krijgen zo sneller een aanwijzing, maar fouten of eenzijdige keuzes van de mensen die de beelden markeren kunnen soms tot ongelijke uitkomsten leiden.

Zo werkt het in de praktijk

Het project ImageNet koppelt foto's aan een klasse voor beeldherkenning. Mensen via Amazon Mechanical Turk controleerden of een beeld bij een klasse hoorde. Bij een deel van de foto's tekenden zij ook een kader om het object.

In aardobservatie krijgen satellietbeelden labels voor modellen die landschappen en objecten herkennen. Het Open Geospatial Consortium onderscheidt drie soorten labels. Een label beschrijft de scène, een object zoals een auto, of losse pixels.

De standaard TrainingDML-AI legt vast hoe zulke labels worden beschreven. Teams noteren wie labelde, welke procedure gold en hoe de kwaliteit is beoordeeld. De standaard bouwt op de ISO 19100-reeks, een set afspraken over geografische data.

Bron: dewereldvanai.nl

Gecontroleerd op 5 november 2026