3、图像分类标注规范：单标签与多标签定义、分类体系设计、边界情况处理

图像分类，听起来好像是最简单的视觉任务。不就是给一张图打个标签嘛？

嗯，话是这么说。但实际做起来，坑多得很。我见过不少项目，模型训练完了，一上线准确率掉一半。查来查去，问题出在标注规范上——标注员自己都搞不清该打什么标签。

今天我就把这块掰开揉碎了讲清楚。从单标签和多标签的区别，到分类体系怎么搭，再到那些让人头疼的边界情况，咱们一个一个过。

3.1 单标签 vs 多标签：到底怎么选？

先搞清楚最基础的问题：一张图，到底该打一个标签还是多个标签？

单标签分类，说白了就是「这张图属于且仅属于一个类别」。比如一张猫的照片，标签就是「猫」。你不能说它既是猫又是狗，对吧？

我个人的习惯是：只要场景允许，优先用单标签。为什么？因为标注简单、质量容易控制、模型训练也快。但现实往往没那么理想。

多标签分类，就是一张图可以同时属于多个类别。举个例子：一张照片里既有猫又有狗，那标签就是「猫, 狗」。再比如一张街景图，可能同时包含「汽车」「行人」「交通灯」。

我在项目中遇到过最典型的翻车案例：一个做商品识别的团队，把「红色」「T恤」「纯棉」这三个属性做成了单标签分类。结果一张红色纯棉T恤的图，标注员纠结了半天不知道该选哪个。你说这能不出问题吗？

3.2 分类体系设计：别让标注员猜你的心思

分类体系设计，是标注规范里最容易被忽视的一环。很多人觉得「不就是列个类别列表吗？」——真不是。

一个好的分类体系，应该满足三个条件：

1. 互斥性：同一层级下的类别不能有重叠。比如「水果」和「苹果」就不能放在同一级。
2. 完备性：所有可能出现的情况都要覆盖到。实在覆盖不了的，加一个「其他」类。
3. 可操作性：标注员看到一张图，能在3秒内判断出该选哪个标签。

我建议用树形结构来设计。举个例子：

一级分类：动物
├── 二级分类：哺乳动物
│   ├── 三级：猫
│   ├── 三级：狗
│   └── 三级：其他哺乳动物
├── 二级分类：鸟类
│   ├── 三级：麻雀
│   ├── 三级：鸽子
│   └── 三级：其他鸟类
└── 二级分类：其他动物

为什么要这么设计？因为标注员只需要在每一级做选择题，而不是从几百个类别里大海捞针。

3.3 边界情况处理：模糊、遮挡、截断

好了，前面说的都是理想情况。现实中的图像，哪有那么规规矩矩的？

我总结了三类最常见的边界情况：模糊、遮挡、截断。每一类都有对应的处理规范。

3.3.1 模糊图像

图像模糊，可能是运动模糊、对焦不准、分辨率太低。这时候怎么办？

我的原则是：能识别就标，不能识别就标「模糊」。

具体来说：

• 如果人眼能勉强看出是什么（比如模糊的猫），那就正常标注，但要在备注里写「模糊」
• 如果完全看不出是什么，那就单独标一个「模糊/无法识别」类别
• 千万不要让标注员「猜」——我曾经吃过这个亏，标注员凭感觉标了一堆，模型学到的全是噪声

3.3.2 遮挡情况

遮挡太常见了。行人被汽车挡住一半，猫躲在沙发后面只露出尾巴。

处理规范：

• 遮挡面积 < 50%：正常标注，备注「部分遮挡」
• 遮挡面积 ≥ 50%：标注为「严重遮挡」，模型训练时可以作为负样本或低权重样本
• 关键特征被遮挡（比如人脸的眼睛被挡住）：建议单独建一个「遮挡-关键部位」类别

我记得有个做安防的项目，行人检测模型在遮挡场景下召回率特别低。后来一查，标注规范里没写遮挡怎么处理，标注员把遮挡超过70%的行人全给漏标了。你说这模型能学好吗？

3.3.3 截断情况

截断，就是物体在图像边缘被切掉了。比如一张照片里只拍到了汽车的前半部分。

我的处理建议：

• 如果截断部分 ≤ 30%，且能明确识别类别 → 正常标注
• 如果截断部分 > 30%，但依然能识别 → 标注类别，备注「截断」
• 如果截断导致无法识别 → 标为「截断/无法识别」

这里有个容易踩的坑：很多人觉得截断图没用，直接删掉。其实不对。对于目标检测这类任务，截断图恰恰是训练模型鲁棒性的关键数据。你想想看，真实场景中多少物体是在画面边缘的？

3.4 标注规范文档模板

最后，我分享一个我常用的标注规范文档结构。你可以直接拿来用：

章节	内容	示例
1. 分类体系	树形结构图、类别定义	动物→哺乳动物→猫
2. 标注规则	单/多标签选择、标签格式	多标签用逗号分隔
3. 边界情况	模糊/遮挡/截断的处理	遮挡>50%标严重遮挡
4. 质量检查	抽检比例、通过标准	抽检10%，准确率>95%
5. 常见问题	标注员高频疑问解答	「两个物体重叠怎么标？」

嗯，今天就先聊到这儿。下一章咱们讲目标检测的标注规范，那个坑更多，到时候再细说。