01
课程导论
什么是标注结果可视化？为什么需要分析？课程目标与学习路径。
概念入门
02
环境搭建
Python环境、Jupyter Notebook、关键库安装（Matplotlib, Seaborn, Plotly）。
工具配置
03
数据加载与初探
读取JSON/CSV格式的标注文件，使用Pandas进行数据概览。
Pandas预处理
04
Matplotlib基础
Figure与Axes概念，绘制第一张统计图（柱状图）。
图表基础
05
Seaborn美化
使用Seaborn绘制分类分布图，调整主题与调色板。
风格调色
06
交互式可视化入门
Plotly Express快速生成可交互的散点图与直方图。
交互Plotly
07
标注类别分布分析
绘制各类别数量柱状图与饼图，分析数据不平衡问题。
分布不平衡
08
标注质量评估
计算标注者一致性（Kappa系数），可视化差异。
质量Kappa
09
边界框可视化
在图像上绘制边界框，检查位置与标签准确性。
检测BBox
10
分割掩码可视化
使用Matplotlib叠加显示语义分割与实例分割掩码。
分割掩码
11
关键点可视化
在图像上绘制人体/物体关键点，连接成骨架。
关键点骨架
12
时间序列标注分析
针对视频标注，绘制标签随时间变化的趋势图。
时序视频
13
多标注者对比
堆叠柱状图与平行坐标图展示不同标注者的标注习惯。
对比习惯
14
混淆矩阵与错误分析
构建混淆矩阵，可视化模型预测与人工标注的差异。
矩阵误差
15
标注难度分析
基于标注时长、修改次数等元数据，可视化标注难度分布。
难度元数据
16
地理信息标注可视化
使用Folium或Plotly在地图上展示标注点。
地图GIS
17
文本标注可视化
高亮显示实体识别结果，展示文本分类的置信度。
NLP实体
18
音频标注可视化
绘制波形图与频谱图，叠加标注片段。
音频波形
19
3D点云标注可视化
使用Open3D或Matplotlib展示3D边界框与语义标签。
3D点云
20
仪表板构建入门
使用Panel或Dash搭建简单的标注分析仪表板。
仪表板Dash
21
数据导出与报告生成
将可视化结果导出为图片、PDF或HTML报告。
导出报告
22
案例实战1：图像分类
图像分类标注结果分析与质量报告生成。
实战分类
23
案例实战2：目标检测
目标检测标注结果可视化与错误案例挖掘。
实战检测
24
案例实战3：语义分割
语义分割标注一致性分析与修正建议。
实战分割
25
案例实战4：视频行为识别
视频行为识别标注的时间一致性检查。
实战视频
26
案例实战5：多模态标注
多模态标注（图文对）的关联性可视化。
实战多模态
27
性能优化
处理大规模标注数据时的可视化加速技巧。
优化大规模
28
自动化流水线
编写脚本批量生成可视化分析报告。
自动化脚本
29
团队协作与复盘
利用可视化结果推动标注规范的迭代。
协作复盘
30
课程总结与展望
标注可视化的发展趋势与进阶学习路径。
总结展望