标注方案设计：选对类型，定好规矩

标注方案设计，说白了就是两件事：选什么标注类型，以及怎么定标注规则。我见过太多项目，算法模型还没跑起来，先倒在标注方案上了。嗯，这里面的坑，我踩过不少。

一、标注类型怎么选？

标注类型不是拍脑袋定的。你得先问自己三个问题：

• 业务要什么？ 是识别物体存在，还是定位位置，还是理解场景？
• 模型用什么？ 不同算法对标注格式要求不一样。
• 成本能接受吗？ 分割标注比分类贵5-10倍，这是真金白银。

我习惯把常见标注类型分成四类，你对照着看：

标注类型	适用场景	典型成本（每张图）	我的建议
分类	图片内容识别、垃圾过滤	0.1-0.3元	最简单，但信息量少
检测	目标定位、计数、质检	0.5-2元	性价比最高，推荐
分割	自动驾驶、医学影像	3-10元	精度高，但贵得肉疼
OCR	文字识别、票据录入	0.3-1元/字段	注意文字方向问题

举个例子。我之前做一个工业质检项目，客户上来就要做像素级分割。我一问，其实只需要知道「有没有缺陷」就行。最后改成分类+检测，成本降了70%，效果一点不差。你想想看，是不是这个理？

二、标注粒度怎么定？

标注粒度，就是「标到什么程度」。我把它拆成三个维度：

1. 空间粒度

• 粗粒度： 整图分类，比如「这张图是猫」
• 中粒度： 框出目标，比如「猫在框里」
• 细粒度： 像素级分割，比如「猫的轮廓精确到每个像素」

我个人习惯是：先粗后细。先用粗粒度跑一轮，看看模型能不能学到东西。如果不行，再逐步细化。别一上来就搞细粒度，万一模型不需要呢？

2. 语义粒度

同一个物体，可以标成「车」，也可以标成「轿车、SUV、卡车」。怎么选？

• 看下游任务：如果只是统计车流量，「车」就够了
• 看数据分布：如果某种车型特别少，合并成大类更稳妥
• 看标注员水平：太细的类别，标注员容易搞混

3. 时间粒度

视频标注里，是每帧都标，还是隔几帧标？

• 关键帧标注：只标场景变化的帧，适合动作识别
• 固定间隔标注：比如每秒标一帧，适合连续监控
• 全量标注：每帧都标，精度最高但成本爆炸

我建议先做关键帧标注。因为视频相邻帧变化很小，全量标注浪费钱。我曾经做过一个行人跟踪项目，用关键帧标注+插值算法，成本省了60%，精度只掉了2%。

三、标注规范怎么制定？

规范是标注质量的命根子。没有规范，标注员就是自由发挥。我总结了一套「三定法」：

1. 定边界

什么该标，什么不该标，必须说清楚。

• 遮挡物体标不标？——我习惯标，但加一个「遮挡」属性
• 模糊物体标不标？——不标，除非是目标本身模糊
• 边缘物体标不标？——只标完整出现在画面中的部分

2. 定格式

标注格式必须统一。我推荐用COCO格式或YOLO格式：

// COCO格式示例
{
  "images": [{"id": 1, "file_name": "001.jpg", "width": 1920, "height": 1080}],
  "annotations": [{
    "id": 1,
    "image_id": 1,
    "category_id": 1,
    "bbox": [100, 200, 300, 400],
    "area": 120000
  }],
  "categories": [{"id": 1, "name": "car"}]
}

// YOLO格式示例
// 每行：class_id x_center y_center width height (归一化)
0 0.5 0.5 0.3 0.4
1 0.2 0.3 0.1 0.2

我个人偏爱COCO格式，因为它支持属性、分割、关键点等扩展。YOLO格式虽然简单，但扩展性差。你想想看，万一以后要加个「颜色」属性，COCO直接加字段就行，YOLO就得改解析代码。

3. 定流程

标注不是一次性工作。我习惯用「三审制」：

1. 初审： 标注员自检，修正明显错误
2. 复审： 质检员抽检，抽检率不低于20%
3. 终审： 项目经理终检，重点检查边界案例

为什么这么麻烦？因为标注员也是人，会疲劳、会走神。我见过一个项目，标注员连续标了8小时，最后1小时的标注错误率高达15%。所以，我建议每2小时强制休息，并且每批次数据都要做质量抽检。

四、实战案例：一个OCR标注方案

说个具体的。我之前做一个发票识别项目，标注方案是这样设计的：

维度	方案	原因
标注类型	OCR+检测	既要识别文字，也要定位位置
空间粒度	字段级框选	发票字段固定，框选效率高
语义粒度	按字段类型分：发票号、日期、金额、税额	下游需要结构化输出
规范要点	1. 框必须紧贴文字 2. 倾斜文字用旋转框 3. 模糊文字标「不确定」	保证边界一致性

嗯，标注方案设计就这些。记住一句话：标注方案不是越细越好，而是越合适越好。 选对类型、定好粒度、写死规范，你的数据质量就稳了八成。剩下的两成，靠质检和迭代来补。