首页/平台/预标注引擎

02 / PRE-ANNOTATION

让模型先做一遍,
人只做判断

预标注不是“自动标注”,而是把人的工作从画框变成审框。模型给出建议,人工采纳或驳回;未采纳的建议不入库,所以数据质量仍由人把关。

审框

屏幕上只有两个动作:采纳,或驳回

没有第三个按钮。不采纳的建议当场丢弃,不留进数据集——所以预标注不会把模型误差变成训练数据。

三个建议,采纳一条印模已落下待审驳回口
盖印台:印模上三个窗口由大到小即置信度由高到低;已落下的那个是采纳,仍悬空的两个还在等你按 A 或 R渲染示意,非产品截图;数值为示例

三步接入

把预标注接进生产

不需要先训练一个模型才能用预标注。内置的 36 个模型可以先跑起来,或者直接热装载你已有的私有模型。

STEP 01

选模型

按任务族选一个内置模型,或者热装载你自己的权重。不用重建管线。

STEP 02

批量推理

整目录跑一遍,作业可中断、可续跑。结果以“未采纳”状态进入待审队列。

STEP 03

人审入库

采纳即入库,驳回即丢弃。指标跟着人审结果走,不由模型自己报。

模型族

36 个预训练模型,分属 7 大族

选族的依据是你的标注形态和验收口径,不是参数量。

任务族
典型模型
适合的活
不适合
目标检测YOLOv5 / v8 / v11 / v26定位与计数,冷启动最快边界要求到像素级的场景
实例分割YOLO-seg 系列需要面积、边界与重叠关系极小目标密集堆叠
旋转框OBB 系列倾斜件、长条形目标正装且规则排布的件
关键点Pose 系列装配校验、姿态判断无固定拓扑的软体目标
分类分类族整图判级、有无判定需要指出“在哪里”的场景
异常检测异常检测族只有 OK 样本时的冷启动需要区分具体缺陷类别
关于“没有坏样本”:异常检测族可以用无缺陷样本建立基线,再用真实缺陷补教。它给的是“这里不对劲”的区域,不是缺陷类别——类别仍然要人标。

主动学习

先标最该标的图

同样标 100 张,选图顺序不同,模型差很多。系统把低置信度、跨类边界、与训练集距离远的图排到前面。

LOW CONFIDENCE

低置信度优先

模型最没把握的项先出现。人的时间花在边界样本上,而不是重复确认已经确定的东西。

BOUNDARY

跨类边界样本

两个类别都可能、都不像的图会被单独挑出。这类图进训练集,收益通常最高。

ITERATION

标一批,训一轮

标一批、训一轮、再推理下一批。链路是环,不是一次性的流水线。

先让模型在你的图上标一遍。

看它错在哪,比看任何演示都直接。单机版免费,50 张样本就能启动。