使用前的三个条件
- 项目模型类型与任务标注形状一致，例如 2D 目标检测对应矩形框。
- 训练权重已经加入模型库，并能定位关联项目、训练记录和版本名称。
- 先准备少量代表性图片进行试跑，确认类别、尺寸和背景与训练数据相近。
不要把完成提示当成质量结论
“自动标注已完成”只说明请求处理结束。最终标签仍需在 Job 中逐张抽查，尤其关注小目标、遮挡、相似类别和空图。
五步操作路径
01
从目标任务打开自动标注
进入项目详情，在需要处理的任务行打开“操作”菜单，确认任务名称、文件范围和当前状态后再选择自动标注。
02
选择已入库模型
在弹窗中选择目标模型版本。若列表为空，先回模型库检查入库状态、模型类型和当前账号权限。
03
核对标签映射
将模型输出类别映射到项目标签，逐一检查同义词、大小写、类别顺序和未映射类别，避免预测类别整体错位。
04
小批量提交并观察状态
优先用小批量任务验证请求、进度和结果。提交后不要重复点击，等待后台状态更新并记录任务编号。
05
进入 Job 人工复核
回到任务打开 Job，关闭“仅浏览空帧”后检查已有预测。修正边界、补漏标、删除误检并保存提交。
复核清单
| 检查对象 | 需要确认 | 常见问题 |
|---|---|---|
| 类别 | 预测类别是否对应项目标签 | 映射遗漏、同义词或顺序错位 |
| 边界 | 框是否完整包住目标且不过度外扩 | 遮挡、小目标和相邻目标粘连 |
| 置信度 | 低置信度样本是否被重点抽查 | 阈值过高造成漏标，过低造成误检 |
| 空图 | 无目标图片是否真的无目标 | 仅浏览空帧筛选导致漏看已有结果 |
| 版本 | 记录使用的模型和数据版本 | 后续无法追溯预测来源 |
适用边界
自动标注适合重复性高、类别稳定且已有足够代表性训练数据的任务。新类别、严重分布变化、极小目标和强遮挡场景应降低批量范围，先由人工建立高质量样本，再重新训练和评估。