【请教】如何实现自动化数据标注？

胖死了的阿猫 2026-07-27 21:16 1

背景：最近在做一个YOLO目标检测项目。训练集用的是公开数据集，训练好的yolo模型不理想，检测结果受到摄像头角度、检测目标特征不在训练集内等问题导致目标检测不到。

想到的解决方案：目前想到的方向是，通过图片分割模型来获取物体坐标框，然后通过的多模态模型给所有坐标框生成标签。

第一步：用图像分割模型生成“候选轮廓”
- 虽然YOLO不认识我的目标，但有之前看到号称“分割一切”的开源分割模型可以所有物体分割开来

第二步：用多模态大模型给轮廓“命名”
- 这里想引入多模态大模型，比如Qwen-VL。把第一步切出来的每个小图块喂给VLLM，用Prompt让它从我的目标类别列表里做选择。

第三步：用CLIP做本地预筛，降低API成本
- 如果每张裁切图都调VLLM，API费用感觉扛不住。
- 可以本地部署一个CLIP模型做初筛分类，只有CLIP拿不准的“难例”才交给VLLM处理。这样能省不少钱，不知道实际效果怎么样。

第四步：转换成YOLO训练格式
- 最后把第一步生成的轮廓坐标，和第二步确定的类别标签合并，转成YOLO的 .txt 标注文件。
- 这样就得到了一份可以拿去微调专属YOLO模型的数据集。

请佬友们帮忙看看方案是否可行，有没有更好的方案或者开源可用的方案。

最新回复 (16)

空气动力学 07-27 21:21

1楼

关注一下。虽然我不懂，但与所在行业有很密切关系。

（我知道传统的画框识别正确率只有50,很难上去了。可能要找更到质量的数据集，而非未筛选过的公开集？）
Nba12 07-27 21:22

2楼

本地部署qwen vl 去标注 3-5s一张图片，不如人工来，还放心。我做省级的项目，都累计十几万图了，人肯定比机器便宜，而且打工，你非得要机器替代人工干嘛
yuuyjiang 07-27 21:25

3楼

先人工标个几千张图，微调下yolo，然后对所有图片推理生成标签，自己再调整框，推荐roboflow这个标注平台，新用户注册7天会员，可以用临时邮箱无限续
Ximybf 07-27 21:28

4楼

基本上，我覺得這東西是沒有捷徑的，如果能用捷徑標好標籤，那你還拿大模型跑幹麻，直接把那捷徑拿來用就好
Para 07-27 21:29

5楼
1. 你先试下不切给VLLM处理结果怎样
2. 切的话没必要第二步了,直接第三步本地+不确定的联网VLLM 就好了
3. 不一定 CLIP模型, 你对比下看那个本地模型更好,特别是 yolo 有别人标注好的训练出来的,比如你想识别汽车,别人的训练的 yolo模型,已经可以识别出汽车了
4. 找一下标注好的 yolo 数据集,看有没有你想要训练的类型
5. yolo 需要的数据量如果类别少的话可以不是很大, 你可以用老数据微调生成新数据扩散训练一下
ytbglht55 07-27 21:30

6楼

你这个只能作为初标参考选项,最后还是要人确认标注和专家抽样审核,要不然感觉够呛
填情☂️ 07-27 21:33

7楼

别试了基本没戏因为我公司跑的百度的标注，没几个过的如果有就当我没说把。。。
yzhkail 07-27 22:02

8楼

先得人工标注，标注好了才有几率可以用模型，而且就算用模型最后还得自己来审查，人工还便宜
mhyyyyy 07-27 22:07

9楼

毕竟佬友自己动脑子不花token^-^
tpu01yzx 07-27 22:09

10楼

楼上说得对，别折腾了，性价比最高的还是人工标注。需要的吱声，我有个朋友做这个的，便宜。
填情☂️ 07-27 23:36

11楼

ai能代替人工而且价格便宜的情况下肯定是首选ai

等ai能替代的时候数据标注这个行业也就彻底没了
songtao2627 07-30 20:33

12楼

佬，你朋友有数据标注这方面的一手资源吗
lll9p 07-30 20:41

13楼

替代不了，有的领域数据集都没有。

先少量标一批，然后human in the loop可以很省力气地获得高质量数据。

像下面这种数据集，只能老老实实人工标注再搞主动学习+HITL
沢尻エリカ 07-30 20:44

14楼

最近我也在做合成数据集，虽然方向不同，但也是跟视觉相关吧，个人感觉 sam2 在其中发挥了重要作用
男子汉 08-02 16:21

15楼

roboflow

佬如果是图像分割呢是不是就是千问会快一点呢
男子汉 08-02 16:22

16楼

解决了吗？佬我蹲一个解决方案