数据标注选型与采购指南

一、先判断任务类型，再谈其他

标注任务按精细度大致分三档：矩形框最粗也最快，适合检测模型的常规训练；分割沿轮廓逐点描绘，单件工时数倍于框选，只在边界精度真正影响模型表现时才值得用；点云与时序任务依赖空间或时间连续性，规则复杂度最高，试标环节不可省略。常见误区是“一刀切上分割”——预算翻倍，模型收益却未必同步。判断标准很简单：看模型指标瓶颈在哪里，如果是类别分不清，先查规则和类别表；如果是定位不准，才考虑提高标注精细度。

二、计价方式怎么选

按张计价适合规则统一、每张工作量接近的任务；按框计价适合目标数量波动大的场景，能自动反映工作量差异；按工时计价适合规则频繁变化或需要人工判断较多的任务。两种坑值得警惕：一是纯按张计价但单张目标数量悬殊，供应商会挑肥拣瘦；二是约定了笼统的“打包价”却没有验收指标，交付质量无法约束。稳妥的做法是让试标说话——用真实数据核定单件工时，再折算单价并写进合同。

三、规则文档值得花时间

规则文档是整个项目的宪法。它不必华丽，但必须逐条可勾选：遮挡超过多少算截断、相似类别怎么区分、边缘压线的框算不算命中。编写时最有效的办法是拿二十张最难的真实样例，逐张过一遍规则，把每个“看情况”都逼成明确选项。规则版本要冻结：任何修改走变更流程并通知全员，否则第一批数据和最后一批数据会悄悄变成两套口径，训练时表现为莫名其妙的指标波动。

四、验收指标必须可量化

“质量要好”不是验收标准。可执行的指标长这样：类别准确率不低于某个数值、框与人工基准的交并比不低于某个阈值、标签命名与类别表完全一致、抽检比例与不合格处理方式白纸黑字。验收时按约定比例随机抽样，抽检不合格整批返修。另一侧的配套是缺陷分类——把缺陷分成漏标、错类、属性缺失、边界不贴合几类统计，哪类缺陷集中出现，就先修规则再返修，而不是盲目打回。

五、数据安全与格式对接

把数据交给外部团队前，确认三件事：保密协议是否覆盖全部数据形态；作业环境是否受控（账号权限隔离、禁止个人存储设备）；敏感数据能否在指定平台或内网完成作业。格式方面，先把训练管线的输入要求写成一份格式说明交给供应方，交付时要求附带文件清单与格式说明文档，最好先交一小批接入训练脚本验证，再接收全量——格式返工的代价远高于标注本身。

六、把试标当作立项判断

试标的价值远超“看看质量”：它能暴露规则漏洞、校准工时预估、检验双方沟通是否顺畅。试标样例要从真实数据里挑，包含典型样本和边界样本；试标结果要逐条比对而不是只看整体感觉。试标通过后，规则、单价、周期、验收指标都应落进合同附件。到这里，项目的多数风险已经被前置解决。如果你正在评估具体任务，可以先浏览我们的服务项目，或直接发起一轮需求评审；更多疑问见常见问题详解。