3. 标注规范与标准制定
标注规范这东西，说白了就是团队里的「通用语言」。我见过太多项目，前期大家各标各的，等到模型训练完一评估，才发现数据根本对不上。嗯，今天我们就聊聊怎么把这套规矩定好。
3.1 标注规范的编写原则
我个人习惯，写规范之前先问三个问题：
- 给谁看？ 标注员、质检员、还是算法工程师？
- 标什么？ 图片、文本、还是点云？
- 怎么用？ 训练、验证、还是测试？
回答完这三个问题，规范的大框架就有了。我总结了几条核心原则：
原则一：可操作性第一
别写「尽量准确标注」这种废话。要写「目标框与物体边缘的间隙不得超过3像素」。我在项目中遇到过，标注员看到模糊的规范，直接凭感觉标，结果同一张图不同人标出了三种框。
原则二：图文并茂
文字说一百遍，不如一张图。规范里必须配正例、反例、边界案例的截图。你想想看，标注员一天要看几百张图，哪有时间读长篇大论？
原则三：边界案例全覆盖
我曾经吃过一次亏。规范里只写了「正常光照下的标注方法」，结果项目上线后，大量夜间场景的数据进来，标注员全懵了。从那以后，我要求规范必须包含至少20%的边界案例说明。
小技巧： 规范写完后，找3个不同背景的人试读。如果他们能独立完成标注且结果一致，说明规范合格了。
3.2 不同任务的规范差异
分类、检测、分割，这三类任务的规范差异其实挺大的。我刚开始带团队时，以为一套规范能通用，结果被现实狠狠教育了一顿。
| 维度 | 分类任务 | 检测任务 | 分割任务 |
|---|---|---|---|
| 标注粒度 | 整图标签 | 目标框+类别 | 像素级掩码 |
| 难点 | 多标签、层级关系 | 遮挡、小目标 | 边缘模糊、拓扑结构 |
| 质检方式 | 交叉验证 | IoU阈值检查 | 像素级一致性 |
| 规范重点 | 类别定义、排除规则 | 框定规则、重叠处理 | 边界定义、空洞处理 |
举个例子，分类任务里，你只需要告诉标注员「这张图里有没有猫」。但检测任务就不一样了——猫被挡住了50%，要不要标？猫在角落里只有10个像素，要不要标？这些都得写清楚。
分割任务更麻烦。我记得有一次做医学图像分割，病灶边缘和正常组织几乎融为一体。标注员问：「边界到底画在哪？」我当时的回答是：「以肉眼可见的灰度变化为准，如果看不清，就参考相邻切片的标注。」
注意： 分割任务的规范里，一定要明确「空洞」的处理方式。比如，一个物体中间有个洞，是标成两个区域，还是标成一个带孔的区域？不同算法对这两种方式的处理完全不同。
3.3 规范迭代与版本管理
规范不是写一次就完事的。我见过最离谱的项目，规范从项目开始到结束一个字没改。你想想看，数据分布、模型需求、标注工具都在变，规范怎么可能不变？
我个人习惯用语义化版本号来管理规范：
- 主版本号： 标注规则发生重大变化时升级。比如从「矩形框」改成「多边形框」。
- 次版本号： 新增或修改了某些类别的定义。比如「车辆」类别下新增「三轮车」子类。
- 修订号： 修正了描述错误、补充了示例图片。
版本管理的关键点：
- 每个版本都要有变更日志（CHANGELOG）
- 旧版本数据要标注版本号，方便回溯
- 标注工具里要能显示当前使用的规范版本
我曾经踩过一个坑：项目中期改了规范，但没通知所有标注员。结果一周后，新数据和旧数据的标注风格完全不一致，模型训练直接崩了。从那以后，我定了一条铁律——规范变更必须全员确认，且旧数据必须重新校验。
避坑指南： 规范迭代时，不要一次性改太多。我建议每次只改1-2个点，然后观察标注质量的变化。改多了，标注员记不住，反而容易出错。
3.4 知识体系总览
下面这张图是我自己整理的标注规范知识体系，你可以把它当作一个检查清单：
这张图把标注规范拆成了三个核心模块：编写原则、任务差异、版本管理。我个人习惯在项目启动前，先把这张图打印出来贴在墙上，让每个团队成员都能看到。
最后提醒一句： 规范是活的，不是死的。别为了追求完美而迟迟不定稿。先出一个V1.0版本跑起来，然后根据实际反馈不断迭代。我见过太多团队在「定规范」这一步卡了一个月，结果项目进度全耽误了。
公众号:蓝海资料掘金营，微信deep3321