大数据时代的到来,为以深度学习为代表的机器学习领域带来了重大的机遇和挑战。越来越多的海量数据,意味着我们需要越来越多的人力物力对这些数据进行标注。众包(Crowdsourcing)将原来由企业专职雇员负责处理的工作,化整为零分配给了广大互联网用户,不仅大大减少了企业的成本,其可扩展的特点也使得大数据时代的海量数据标注成为了可能。众包因其独特的优势吸引了科研社区的极大兴趣,为此世界各地的研究者们提出了一系列众包平台设计方案。然而现在已有的众包平台系统,要么面向特定的应用场景,要么封闭不可扩展,没有开放出来供所有研究者学术研究使用。为了解决这一问题,本文设计并实现了一个通用的开放性众包系统。其作为一个通用的平台,在提供科研所需要的众包系统服务的同时,也可以作为实现和实验各种众包相关算法的框架基础。在系统设计上,模块化的设计提高了系统的可扩展性,使得我们的系统可以支持各类众包任务。我们针对“图像分类”这一标注任务设计了独特的标注交互界面,并通过一系列标注实验,验证了我们设计的交互界面对标注效率的提升效果。此外,为了解决众包标注者标注质量不稳定的问题,我们实现并实验了一系列算法以评价、控制和提高众包的标注质量。