知识点 › 场景挖掘与标注
标注质量体系
Label QA
定义
四道关：①培训与考核（上岗门槛）；②抽检（按比例复核，算准确率/漏标率）；③黄金集（固定标准答案，定期测标注员漂移）；④争议仲裁（疑难样本由专家定论并回写规范）。
关键要点
- 指标要分「准确率（框对不对）」与「召回率（该标的有没有漏）」，后者更难测
- 黄金集要包含边界 case，否则测不出真实水平
- 质量成本要算进标注单价，别只比报价
面试怎么答
用「抽检 + 黄金集 + 仲裁」三层回答，并给一个漏标率数字。
相关知识
- 标签噪声与鲁棒训练 — 标注必然有错（漏标、错标、边界不一致）。鲁棒手段：损失函数（GCE/symmetric CE）、噪声样本识别（loss…
- 数据质量体系 — 从「事后发现」转为「入库即拦截」：完整性（帧率/文件数）、一致性（时间戳/标定）、有效性（模糊/遮挡/曝光）、准确性（…
- 标注规范 — 把「什么算一辆车、遮挡多少不标、边界怎么切」写成可执行的判定规则与示例图。规范不清是标注质量波动的第一原因，也是模型学…
- 人工标注平台 — 标注任务的分发、执行、质检：任务池、租户/团队隔离、标注服务（预标注下发）、标注工具（2D/3D/视频）、质检与返工、…
- 自动标注 — 用离线大模型（教师模型）+ 多帧融合 + 建图/SLAM 生成高质量伪标签，替代或减少人工。自动标注率（自动产出且被采…