首页/解决方案

按行业装配

同一套引擎,按行业装配

不同行业的差别不在"要不要标注",而在标什么、用什么模型先标、按什么口径验收。所以每个行业单独写清这三件事。

六个行业

每个行业只回答三个问题

标什么、先用什么模型、按什么口径验收。答案不同,链路就不一样。

CLS分类DET检测SEG分割KPT关键点OBB旋转框工业质检INDUSTRIAL QC具身智能EMBODIED AI医疗影像MEDICAL IMAGING汽车与自动驾驶AUTOMOTIVE航空航天AEROSPACE国防与保密DEFENSE一行里的点越多,说明这个行业要混用多种标注类型;空心环标的是该行业的主标注。
图 01 / 六行业 × 五类标注气泡大小 = 该行业在此类标注上的相对比重 · 示意,非产品截图

01 / 工业质检

先把"漏检"压下去

质检的第一指标不是 mAP,而是漏检率。先用无缺陷样本建基线,再用真实缺陷补教,最后靠抽样复核与回流收敛。

标什么
表面缺陷:多边形或像素级分割,给出面积与边界尺寸测量:矩形框 + 关键点,亚像素边界控制
先用什么模型
异常检测族建立基线(只需要 OK 样本),再用检测族补具体缺陷类别
按什么验收
漏检率优先于平均精度;抽样复核 + 一致性比对,不看过拟合的曲线

02 / 具身智能

序列一致性优先

抓取点、6D 位姿、操作轨迹与场景理解。单帧标得漂亮用处不大,跨帧抖动的数据会把策略训练带偏。

标什么
抓取点与操作轨迹、6D 位姿、可操作区域分割
先用什么模型
关键点族 + 分割族;跨帧用 track_id 与关键帧插值保持同一目标
按什么验收
ID 连续性优先于单帧精度;抖动与跳变算缺陷,不算噪声

03 / 医疗影像

边界精度优先于吞吐

病灶勾画与器官分割,边界错一个像素可能改变结论。这里不追求标得快,追求标得能被复核。

标什么
病灶勾画、器官分割、影像分类;边界按像素级处理
先用什么模型
分割族做预标注,人只修边界;双人标注做一致性比对
按什么验收
边界重合度与双人一致性;不接受"先把量做上去"

04 / 汽车与自动驾驶

时序插值决定成本

这个行业的数据量最大,逐帧手标在成本上不可能成立。能省的钱全在关键帧 + 插值上。

标什么
车道线、交通目标、可行驶区域;按时序而非单帧组织
先用什么模型
检测族 + 分割族预标注,关键帧人工修正,中间帧插值
按什么验收
抽检关键帧质量与插值一致性;用到的每一帧都要能追溯

05 / 航空航天

大图与亚像素

复材缺陷、装配校验、大图拼接。图本身就大,靠"放大后还能看清"是不够的,边界得能精确到亚像素。

标什么
复材缺陷(分层、孔隙、裂纹)、装配间隙与错位、大图拼接区的缺陷
先用什么模型
分割族 + 旋转框族;32K 大图按瓦片加载,标注不降采样
按什么验收
亚像素边界与拼接一致性;缺陷面积可复算

06 / 国防与保密

数据不出内网

这一类的约束不在算法,在能不能上线。数据不能出厂,授权不能联网校验,操作不能没有留痕。

标什么
按项目定义;常见为设备状态、目标识别与结构缺陷
先用什么模型
全部在内网:内置模型 + 私有模型热装载,不访问外部服务
按什么验收
气隙部署、离线激活、全链路审计;验收与数据流向一起查
没有列出来的行业:如果上面六个都不是你的场景,把图发过来我们直接判断——包括"这件事现在不该用视觉做"的判断。评估不需要先买软件。

行业的差别,在验收口径上。

先用你手上的 50 张图跑一遍,再谈要标多少、要多少人。