011、检测模型精度上不去？先把标注质量查一遍：错标、漏标、框偏移的排查方法
011、检测模型精度上不去？先把标注质量查一遍：错标、漏标、框偏移的排查方法
去年有个项目，客户给了一堆工业质检数据，我调了半个月的YOLOv8，mAP卡在0.65死活上不去。换backbone、调anchor、加数据增强，能试的都试了，结果还不如人家baseline。后来实在没辙，拉了一整天的标注文件出来看，发现标注框歪得离谱——有的框把背景全包进去了，有的只框了目标的一半。改完标注，mAP直接跳到0.82。那之后我养成了一个习惯：模型训不动，先查标注。
标注问题比你想的常见
很多团队拿到数据就开训，觉得标注是标注员的事。但标注质量对检测模型的影响，比模型结构、超参数都大。一个错标样本，可能在训练时产生几十甚至上百个错误梯度更新。尤其是小目标、密集场景、遮挡情况，标注稍微偏一点，模型就学歪了。
我见过最夸张的案例：一个行人检测数据集，标注员把“人”和“影子”全标上了，模型学到最后，看到地上的影子就兴奋。还有一次，某个类别只有200个样本，其中30个框偏移超过50%，模型对这个类别的召回率直接崩到0.1。
错标：类别标错了，模型就学歪了
错标是最致命的问题。一个“猫”被标成“狗”，模型就会在猫的位置上学习“狗”的特征。如果错标比例超过5%，模型基本就废了。
怎么查？
写个脚本，把每个类别的标注框可视化出来，按类别分组看。别只看单张图，要批量看。我习惯的做法是：随机抽1000张图，把标注框画上去，然后按类别排序，快速翻一遍。如果某个类别的框里出现大量其他类别的物体，那就是错标。
代码里可以加个统计：每个类别的标注框数量、平均面积、长宽比。如果某个类别的平均面积突然比同类小很多，大概率是标错了——比如把“汽车”标成了“自行车”。
# 这里踩过坑：别只统计数量，要结合面积和长宽比defcheck_label_quality(ann_file):importjsonwithopen(ann_file)asf:data=json.load(f)# 按类别统计cls_stats={}forannindata['annotations']:cat_id=ann['category_id']bbox=ann['bbox']# [x, y, w, h]area=bbox[2]*bbox[3]aspect_ratio=bbox[2]/max(bbox[3],1)ifcat_idnotincls_stats:cls_stats[cat_id]={'count':0,'areas':[],'ratios':[]}cls_stats[cat_id]['count']+=1cls_stats[cat_id]['areas'].append(area)cls_stats[cat_id]['ratios'].append(aspect_ratio)# 输出异常类别forcat_id,statsincls_stats.items():avg_area=np.mean(stats['areas'])avg_ratio=np.mean(stats['ratios'])# 别这样写：if avg_area < 100: 这种硬阈值不靠谱# 应该和同类别的其他样本比ifstats['count']>10:# 检查是否有面积异常小的样本small_samples=[aforainstats['areas']ifa<avg_area*0.3]iflen(small_samples)>stats['count']*0.1:print(f"类别{cat_id}有{len(small_samples)}个面积异常小的框，建议检查")漏标：模型学不到的东西，永远检测不到
漏标比错标更隐蔽。错标至少还有个框，漏标是完全没有标注。模型在训练时看到这个物体，会把它当成背景，学习“这个特征=背景”。等到推理时，模型看到同样的物体，就会认为它是背景。
怎么查？
最直接的方法：用训练好的模型去预测训练集，把预测结果和标注结果对比。如果模型在某个区域预测出高置信度的框，但标注里没有，那大概率是漏标。
我写过一个工具：把预测框和标注框画在同一张图上，预测框用红色，标注框用绿色。如果某个区域只有红色框没有绿色框，那就是漏标候选。
# 这里踩过坑：别用模型自己的预测结果去查漏标，模型可能已经学歪了# 应该用另一个独立训练的模型，或者用预训练模型deffind_missing_labels(model,dataset,threshold=0.5):missing_candidates=[]forimg,targetsindataset:preds=model.predict(img)forpredinpreds:ifpred['confidence']>threshold:# 检查是否有标注框覆盖这个预测框matched=Falsefortintargets:iou=compute_iou(pred['bbox'],t['bbox'])ifiou>0.3:# 别用0.5，漏标的框可能和标注框有部分重叠matched=Truebreakifnotmatched:missing_candidates.append((img,pred))returnmissing_candidates另一个技巧：看类别分布。如果某个类别的样本数明显少于预期，或者某个场景下的样本数异常少，很可能是漏标了。比如“夜间行人”只有10个样本，但“白天行人”有1000个，那夜间场景大概率漏标严重。
框偏移：框歪了，模型就学歪了
框偏移是最常见的问题。标注员手一抖，框就偏了。偏移5%以内还能忍，超过10%基本就废了。
怎么查？
看标注框的边界是否紧贴目标。我写过一个脚本：计算每个标注框内像素的梯度分布。如果框内边缘梯度集中在框的边界附近，说明框标得准；如果梯度集中在框内部，说明框可能偏大了；如果梯度集中在框外部，说明框偏小了。
# 这里踩过坑：别用简单的边缘检测，要结合目标本身的纹理特征defcheck_bbox_alignment(image,bbox):x,y,w,h=bbox# 取框内区域crop=image[y:y+h,x:x+w]# 计算梯度grad_x=cv2.Sobel(crop,cv2.CV_64F,1,0,ksize=3)grad_y=cv2.Sobel(crop,cv2.CV_64F,0,1,ksize=3)grad_mag=np.sqrt(grad_x**2+grad_y**2)# 计算框边界附近的梯度强度border_grad=np.mean(grad_mag[0:2,:])+np.mean(grad_mag[-2:,:])+\ np.mean(grad_mag[:,0:2])+np.mean(grad_mag[:,-2:])# 计算框内部的梯度强度inner_grad=np.mean(grad_mag[2:-2,2:-2])# 如果边界梯度远小于内部梯度，说明框可能偏大了ifborder_grad<inner_grad*0.5:return"框可能偏大"# 如果边界梯度远大于内部梯度，说明框可能偏小了ifborder_grad>inner_grad*3:return"框可能偏小"return"正常"另一个更直观的方法：看标注框的长宽比分布。如果某个类别的长宽比集中在几个离散值上，说明标注员可能用了固定的模板，没有根据实际目标调整。比如“汽车”的长宽比应该在1.2到2.0之间，如果全是1.5，那肯定有问题。
批量排查的实用工具
手动一张张看太慢，我整理了一套批量排查流程：
- 统计异常样本：计算每个标注框的置信度（用预训练模型预测，看标注框和预测框的IoU），IoU低于0.5的标出来。
- 聚类分析：把标注框的坐标、面积、长宽比做聚类，离群点大概率有问题。
- 时序对比：如果数据是按时间采集的，看标注质量随时间的变化。标注员疲劳时，标注质量会下降。
- 交叉验证：让两个标注员标同一批数据，对比差异。差异大的样本就是问题样本。
# 这里踩过坑：别用单一指标，要综合判断defbatch_check(ann_file,img_dir,model):# 1. 加载标注# 2. 用模型预测# 3. 计算每个标注框的IoU# 4. 找出IoU低的样本# 5. 可视化输出pass# 具体实现略，核心思路如上修复标注的实操建议
发现问题后，怎么修？
- 错标：直接改类别ID。如果错标比例高，建议重新标注。
- 漏标：用模型预测结果作为候选，人工确认后加入标注。
- 框偏移：用模型预测的框作为参考，人工微调。或者用分割模型先分割出目标，再取外接矩形。
别想着一次性全修完。先修影响最大的：错标优先，其次是漏标，最后是框偏移。修完一批，训一个模型看看效果，再决定要不要继续修。
个人经验
标注质量这件事，永远不要相信“标注员说标好了”。我见过太多团队，数据标注花了几个月，结果模型训出来效果不好，最后发现是标注问题。与其花时间调模型，不如先花两天把标注查一遍。
一个实用的建议：在项目开始前，先让标注员标100张图，你亲自检查一遍，把标准定好。等标注员标完第一批数据，再抽检一次。这样能避免后期大规模返工。
另一个建议：标注规范里要写清楚“模糊目标怎么标”“遮挡目标怎么标”“小目标怎么标”。这些边界情况最容易出问题。
最后，标注质量检查应该是一个持续的过程，不是一次性的。每次模型训完，看看哪些样本预测错了，分析一下是模型的问题还是标注的问题。很多时候，你会发现模型预测错的地方，标注本身就有问题。
模型精度上不去，别急着换网络结构，先把标注查一遍。这可能是性价比最高的优化手段。