当前位置：首页 » AI答疑

如何优化目标检测数据集的标注质量？

2025-09-05

1.7 K

质量痛点

常见标注质量问题包括：1) 漏标（15%-30%对象未标注）2) 错标（类别混淆）3) 框体不精确（IOU<0.7）

预标注检查：
- 启用AI辅助初筛明显物体
- 将置信度阈值设为0.6平衡查全/查准率
三级复核机制：
1. 初级标注：外包人员完成基础标注
2. 专家复核：使用”Stats”功能检查各类别数量分布
3. 模型验证：用已完成标注训练简易分类器反向验证
工具辅助优化：
- 用放大镜工具（快捷键Z）精细化调整边框
- 对模糊目标采用多边形标注
- 设置强制必查标签（如”unknown”类需二次确认）