计算机视觉 / 系统课时
标注目标边界框
标注目标边界框
高质量边界框决定模型能学到什么。本课将完成一套可执行的标注流程,并统一遮挡目标、小目标和截断目标的处理规则,确保不同标注人员面对同一张图时得到尽量一致的结果。
学习目标
- 掌握从导入图片到导出标签的标准操作流程
- 能为普通、遮挡、小尺寸和截断目标绘制一致的边界框
- 能通过抽检及时发现漏标、错标和框选不一致问题
先统一标注规则
开始标注前,先固定类别清单、类别名称和纳入标准。类别名称不要在不同工具或人员之间随意改写,例如不要同时出现 car、Car 和 vehicle。类别编号也应保持稳定,后续新增类别时追加到清单末尾,不要重排已有编号。
边界框应尽量贴合目标外轮廓,既不要切掉明显可见部分,也不要包含大量背景。对于形状不规则的目标,仍使用能够完整包住目标的最小外接矩形。多个目标发生重叠时,应分别绘制各自的框,而不是用一个大框包住一组目标。

使用标注工具完成操作
无论使用 LabelImg、CVAT 还是其他支持 YOLO 导出的工具,核心流程都相同:创建项目并载入图片,选择矩形框工具,沿目标外轮廓拖出边界框,选择类别,然后保存当前图片的标注结果。
实际操作时,建议按固定顺序处理每张图:先从左到右、从上到下扫描全部目标,再检查重叠区域和图像边缘,最后确认类别。固定扫描顺序可以显著减少漏标。完成一批图片后再统一导出为 YOLO 格式,不要在同一数据集中混用多种格式。
处理特殊目标
特殊目标没有唯一适用于所有项目的规则,关键是先确定项目标准,再始终如一地执行。推荐采用下表中的处理方式。
| 情况 | 推荐规则 | 不应出现的做法 |
|---|---|---|
| 部分遮挡 | 类别仍可判断时单独标注;能可靠推断完整范围时框住完整目标 | 因遮挡就跳过,或把多个目标合成一个框 |
| 小目标 | 达到项目规定的最小尺寸且类别可辨认时标注 | 对同等大小目标有时标、有时不标 |
| 图像边缘截断 | 只在图像范围内框选,边界贴到画面边缘 | 将框坐标延伸到图像外 |
| 严重模糊 | 无法可靠判断类别时不标,必要时将图片加入待复核集合 | 凭猜测选择类别 |
小目标阈值应结合实际输入分辨率制定,例如规定短边小于某个像素值且无法稳定辨认时不标。阈值一旦确定,应写进标注规范,并用几张正反例图片帮助所有标注人员统一判断。
导出并检查标注质量
导出前先确认图片与标签能够按文件名一一对应,例如 frame_001.jpg 对应 frame_001.txt。每个目标应只有一个框,类别必须来自既定清单。没有目标的图片也建议保留,并生成空标签文件,以便明确区分“已检查但无目标”和“尚未标注”。
质量检查不要只看数量。先随机抽查一批图片,再重点复核目标密集、遮挡严重、画面边缘和小目标较多的样本。常见问题包括漏标、重复框、类别选错、框过松、框切掉目标,以及同类目标执行不同标准。发现问题后应先修正规则和示例,再继续扩大标注规模。
建议先完成 50~100 张试标,由同一位审核者集中复核。规则稳定后再进入批量标注,可以避免后期大面积返工。