IndVis 视觉标注训练平台IndVis 视觉标注训练平台
IndVis 视觉标注训练平台面向工业视觉团队，覆盖数据标注、质量管理和模型训练。
按照真实业务流程说明从项目建模、数据上传、协同标注到训练产物注册的完整操作，同时补充 2D、3D、OCR、关键点和模型运维说明。
01流程
从项目与数据开始，完成标注、训练、模型入库和自动标注，再认识三维与关键点工作区。
本手册依据《2026-09-04 22-41-58.mp4》的实际界面编写。原片约 25 分 18 秒，分辨率为 2560 × 1440。每张图标有原视频时间，点击可放大；表单截图做了局部裁切，以便看清字段。长时间训练等待合并为“训练监控”一章。
| 顺序 | 要完成的事情 | 完成后得到什么 |
|---|---|---|
| 01 | 创建项目，确定模型类型与标签 | 统一的类别与标注规则 |
| 02 | 在项目内创建任务，上传图片 | 可打开的图片任务与 Job |
| 03 | 在 Job 内标注、提交和保存 | 可检查的标注数据 |
| 04 | 选择项目、模型及训练参数 | 一条可追踪的训练任务 |
| 05 | 查看训练日志、状态和结果 | 训练权重与训练历史 |
| 06 | 将训练结果加入模型库 | 可管理、导出或用于自动标注的模型 |
| 07 | 选择模型，映射标签，自动标注 | 待人工复核的预测标注 |
四个对象
| 对象 | 负责什么 | 视频中的例子 |
|---|---|---|
| 项目 Project | 管理模型类型、标签规则与一组数据任务。 | 演示项目，2D目标检测 |
| 任务 Task | 承载一次导入的数据，可在项目中查看进度。 | 标记任务，11 张图片 |
| 作业 Job | 进入标注编辑器的工作单元，有负责人、阶段、状态和帧范围。 | Job #204，帧 0–10 |
| 训练任务 / 模型 | 训练任务记录一次配置和运行；模型是入库后供使用的权重资源。 | 演示训练 → 演示训练-模型 |
开始前准备
- 准备可用的平台地址及本人账号。
- 准备待上传图片，先约定类别名称与标注边界规则。
- 确认具备项目、标注或训练所需权限。
- 训练前确认服务器有可用模型文件、算力与存储空间。
02登录导航
进入工业视觉训练平台，认识项目、作业、请求、训练和模型的入口。
打开登录页
在部署平台的电脑打开浏览器，进入 http://127.0.0.1:3045/auth/login。这是视频中的本机地址；从其他电脑访问时，应使用实际服务器地址。
登录账号
填写用户名和密码，点击橙色“登录”按钮。视频显示的用户名为 admin，仅用于识别演示环境；密码未公开，请使用分配给自己的凭据。
进入项目
成功登录后查看项目卡片。顶部菜单用于切换功能，右上角可见语言选择与当前账号。后续创建项目、进入任务均从这里开始。
| 入口 | 阅读与使用方式 |
|---|---|
| 项目 | 按业务或算法任务组织数据；进入项目后管理标签和任务。 |
| 任务 / 作业 | 任务承载数据，作业进入标注执行界面；可按负责人和状态管理。 |
| 请求 | 查看 Create Task、Train Project 等后台请求及进度。 |
| 用户 / 日志 | 用户用于账号维护；日志为独立入口，本片未展开全局日志操作。 |
| 模型训练 | 创建训练任务、查看运行详情及训练历史。 |
| 模型 | 查找模型、查看来源、进行导出或其他模型操作。 |
03项目标签
先确定数据将做什么任务，再建立统一的类别名称。
项目名称与类型
打开“创建新项目”，在名称中填写业务可识别的名称。视频使用“演示项目”，模型类型为“2D目标检测 / rectangle”，对应矩形框标注。
添加标签
在“标签”区域切换或保留“构造器”，填写类别名称，选择颜色，确认形状为矩形。点击“继续”完成当前标签的编辑，再添加其他类别。颜色用于区分类别，不代表训练权重或置信度。
检查标签
核对类别名称没有错字、重复名称或同义词混用，再点击“提交并打开”进入项目详情。“提交并继续”适用于还要继续创建其他项目的情况。
项目详情中可以看到“大象、斑马、牛”三个标签、模型类型以及任务列表区域。这里沿用录像中的名称以便对照；自己的项目应按真实数据类别定义标签。
| 字段 / 区域 | 如何填写或检查 |
|---|---|
| 名称 | 建议包含业务对象或用途，例如“零件缺陷检测”；后续训练时容易定位。 |
| 模型类型 | 与准备采用的标注形状、训练任务一致。矩形检测、多边形分割、关键点不能随意混用。 |
| 标签名称 | 代表目标的业务类别。先统一名称，再批量标注。 |
| 标签颜色 | 便于在图像上区分类别；选择对比明显的颜色。 |
| 添加属性 / 高级配置 | 界面提供入口，本次演示未配置具体属性规则；无明确需求时先使用基础配置。 |
| 负责人 / 描述 / 问题跟踪器 | 项目详情可见这些管理字段，按团队要求维护。 |
检查项目
- 项目名称与模型类型正确。
- 标签列表完整，类别命名与实际图片一致。
- 进入该项目后再创建任务，避免数据放错项目。
04任务与图片
将本地图片加入项目，得到可进入编辑器的标注作业。
创建任务
点击项目任务区域右侧的橙色“+”。在“创建新任务”中填写名称，视频使用“标记任务”。确认项目栏显示“演示项目”。
继承标签
标签区域显示“Project labels will be used”，表示任务使用项目标签。本次无需在任务中重新建立“大象、斑马、牛”。“导出数据子集（不参与训练数据集划分）”与后续训练集比例是两类字段，不能互相替代。
选择图片
在“选择文件”中使用“我的电脑”标签，点击上传区域，在系统文件选择框中选择图片，也可以按页面提示拖入文件。录像导入 11 个文件；选择完成后检查页面底部计数是否一致。
| 数据来源 | 本片展示程度与使用说明 |
|---|---|
| 我的电脑 | 实际选择并导入本地图片。上传区域还提示支持图片压缩包、视频或多张图片。 |
| 已连接文件共享 | 可见入口，本片未配置共享路径。 |
| 远程来源 | 可见入口，本片未填写远程地址。 |
| 云存储 | 可见入口，本片未演示云存储连接。 |
提交任务
检查名称、项目、文件数；根据需要查看“高级配置”“质量”区域，然后点击“提交并打开”。文件上传与后台创建任务需要处理时间，看到任务详情和 Job 后再开始标注。
打开编辑器
在任务详情中找到 Job 行，核对帧数与帧范围，再点击橙色 Job 链接。录像显示 Job #204，共 11 帧，范围 0–10；这里的帧序号从 0 开始。
| 作业信息 | 含义 |
|---|---|
| 负责人 | 当前执行标注或复核的人。多人协作时先分配清楚。 |
| 阶段 | 当前工作阶段；截图显示“标注”。 |
| 状态 | 当前作业的流程状态；新建状态不等于所有图片都已标好。 |
| 帧数 / 帧范围 | 该 Job 包含的数据数量与可操作范围。图片任务也使用“帧”这一称呼。 |
导入后检查
- 文件数量与预期一致。
- 打开 Job 后能正常显示图片。
- 标签来自正确项目，负责人和作业范围符合分工。
05矩形标注
在单形状模式中选择类别、绘制矩形、提交结果，并检查每一帧。
选择工作区
打开 Job 后，点击右上角工作区下拉菜单，选择“单形状”。视频菜单还显示“标准、属性标注、标签标注、审核”。本段演示使用单形状模式，适合当前逐张处理一个目标的流程。
选择标签
在右侧“标签”下拉框选择类别。录像的牛图选择“牛”。切换到另一类图片时，应先改标签再画框，不能只沿用上一张的类别。
绘制矩形
在目标外接区域确定起点，再将鼠标移动到相对角，完成矩形范围。以图中十字参考线和矩形预览判断覆盖范围；操作时按当前页面绘制交互确认落点。框要覆盖该目标需要标注的范围，并尽量减少无关背景。
检查结果后提交
确认标签、矩形位置及边界无误，点击右侧“提交结果”。视频勾选了“自动下一帧”“完成时自动保存”“仅浏览空帧”，因此提交后会进入后续待处理图片。
| 选项 | 作用 | 什么时候需要留意 |
|---|---|---|
| 自动下一帧 | 当前结果完成后继续到下一帧。 | 提交前就要检查，避免错标后才发现已跳页。 |
| 完成时自动保存 | 完成操作时自动保存。 | 退出前仍建议看保存反馈，网络异常时不能仅凭勾选认定已保存。 |
| 仅浏览空帧 | 浏览时聚焦尚无标注的帧。 | 复查已标图片时关闭此项，防止漏掉已有标注。 |
检查边界
通过顶部前后帧按钮、进度条或帧号位置切换图片。每张图都先识别目标类别，再标注；遇到多目标图片，应按项目规则逐个处理，必要时切换标准工作区管理多个对象。
保存进度
完成当前批次后点击左上角“保存”，等待保存反馈再退出。回到项目详情查看任务统计，并重新打开少量已标帧，检查标注是否仍然存在。
质量检查
- 每个目标标签正确，没有沿用上一帧造成错类。
- 边界符合项目约定，没有明显截断目标或包入过多背景。
- 需要标注的目标没有遗漏，也没有重复框。
- 已保存并抽查重新打开后的结果。
06创建训练
选择已标注数据、划分数据集，并配置模型、预训练权重和运行参数。
选择训练项目
点击顶部“模型训练”，从列表的“添加”入口进入“创建训练任务”。选择“演示项目”，核对模型类型显示“2D目标检测”；训练数据应来自已检查并保存的标注。
划分数据集
在“数据集任务”中确认数据范围，录像使用“整个项目”。训练集、验证集、测试集分别填写 70%、20%、10%，三者合计 100%。训练集用于学习，验证集用于观察和选择模型，测试集用于独立评估。
训练名称与模型
为本次运行填写可区分的名称，视频使用“演示训练”。模型系列选择 YOLOv11，随后选择对应预训练权重。系列与权重必须匹配，名称相似并不代表可以混用。
模型与设备
录像选择“YOLO11l (yolo11l.pt)”。设备字段在早期画面为 cpu，提交前改为 0，训练日志也显示使用 GPU。操作时按服务器实际提供的设备选择，不要直接照搬设备编号。
训练参数
视频设置最大训练轮次 100、Batch Size 16、图像尺寸 640。先用小批数据验证流程可运行，再依据数据量、目标大小和显存调整；这些是本次演示值，不是所有项目的最佳配置。
| 字段 | 录像中的值 | 含义 / 检查点 |
|---|---|---|
| 项目 / 模型类型 | 演示项目 / 2D目标检测 | 决定训练数据和算法任务，先确认与标注类型一致。 |
| 数据集任务 | 整个项目 | 本次使用项目范围内的数据；多任务项目应确认是否都要参与。 |
| 训练 / 验证 / 测试 | 70 / 20 / 10 | 比例总和 100%；还要检查每类在各子集中的实际样本数量。 |
| 训练名称 | 演示训练 | 建议包含数据版本、模型系列和日期，以便追溯。 |
| 模型系列 | YOLOv11 | 控制可选权重和对应的参数项。 |
| 预训练模型 | YOLO11l / yolo11l.pt | 训练初始化使用的模型文件。 |
| 训练轮次 | 100 | 计划最大轮次；早停时实际轮次可能少于此值。 |
| Batch Size | 16 | 每批训练样本数；增大通常会增加显存需求。 |
| 图像尺寸 | 640 × 640 | 模型训练的输入尺寸设置；更大尺寸通常需要更多算力。 |
| 设备 | 提交前为 0 | 录像最终使用 GPU 设备；可用设备由部署环境决定。 |
| 配置路径 | 未填写 | 未在录像中使用自定义路径，无需为复现流程虚构路径。 |
开始训练前检查
- 图片能打开，标注已保存，标签与真实内容一致。
- 没有把同一张图或高度重复的图分到训练与验证 / 测试两侧。
- 模型系列、预训练权重和项目任务类型一致。
- 设备可用、比例正确、训练名称可追踪。
07训练参数
了解录像中展开的 YOLOv11 参数，减少盲目调整。
展开参数
在基础配置下展开“YOLOV11 参数文件”。页面将学习率、损失权重和数据增强配置列为表单。第一次跑通流程时，可保留平台提供的初始值；需要调参时记录修改原因和前后效果。
优化与损失
| 参数 | 画面值 | 作用 |
|---|---|---|
| lr0 / lrf | 0.010 / 0.01 | 初始学习率与最终学习率系数，影响训练更新节奏。 |
| momentum | 0.937 | 优化器动量参数。 |
| weight_decay | 0.0005 | 权重衰减，用于正则化。 |
| warmup_epochs | 3.0 | 训练开始阶段的预热轮数。 |
| warmup_momentum / warmup_bias_lr | 0.80 / 0.10 | 预热阶段的动量与偏置学习率。 |
| box / cls / dfl | 7.50 / 0.50 / 1.5 | 边界框、分类、分布焦点损失的权重，不是最终准确率。 |
| nbs | 64 | 名义批大小，用于训练内部归一化等处理。 |
| close_mosaic | 10 | 最后若干轮关闭 Mosaic 的配置。 |
数据增强
| 参数 | 画面值 | 作用 |
|---|---|---|
| hsv_h / hsv_s / hsv_v | 0.015 / 0.70 / 0.40 | 色相、饱和度和明度变化。 |
| degrees / translate / scale | 0 / 0.10 / 0.50 | 旋转、平移与缩放增强。 |
| shear / perspective | 0 / 0.0000 | 剪切与透视变换。 |
| flipud / fliplr | 0.00 / 0.50 | 上下与左右翻转概率。 |
| mosaic / mixup / copy_paste | 1.00 / 0.00 / 0.00 | 图像拼接、混合及复制粘贴类增强配置；适用性取决于任务与实现。 |
高级参数
“YOLOV11 高级参数”在录像中也被展开，能看到 optimizer 等字段。不同区域可能出现同名参数；如要设置覆盖值，应先确认当前版本的配置优先级，并在实际运行日志中核对生效值。
开始训练
回看名称、数据范围、模型和设备，点击“开始训练”。提交后在训练列表中找到新任务，等待数据准备阶段完成。不要因为刚提交时没有 epoch 日志就连续重复点击。
08训练监控
从状态和日志判断训练阶段，区分运行完成、提前停止与模型质量。
打开训练任务
在模型训练列表找到“演示训练”，通过该行“操作”进入详情。左侧为项目、数据划分、进度和配置，右侧是训练日志；顶部可以看到训练控制及“训练历史”。
确认训练启动
日志开始阶段可能包含数据集导出、扫描、模型加载和环境信息。确认程序开始打印 epoch 和损失后，才说明已进入实际训练阶段。长时间停留时查看最后一段输出，不要仅凭页面是否刷新判断。
查看训练指标
关注 epoch 是否继续增长，损失是否为正常数值，以及验证结果是否产生。结合日志和状态检查，不用记录每一行进度条。
| 日志字段 | 含义 | 怎样使用 |
|---|---|---|
| Epoch | 当前训练轮次 / 计划轮次。 | 确认运行在推进；最终以实际日志判断跑了多少轮。 |
| GPU_mem | 运行时的显存使用信息。 | 用于判断资源消耗；不是显卡总显存。 |
| box_loss / cls_loss / dfl_loss | 定位、分类及分布相关损失。 | 看趋势与是否出现 nan / inf；不能直接当准确率。 |
| Images / Instances | 评估图片数与标注实例数。 | 先核对评估样本是否足够、是否覆盖所需类别。 |
| P / R | 精确率 / 召回率。 | 分别关注误检与漏检，结合业务需求评估。 |
| mAP50 / mAP50–95 | 不同 IoU 阈值下的平均精度指标。 | 在同一数据集与评估设置下比较模型。 |
| best.pt / last.pt | 验证表现最佳的权重 / 最后一次迭代权重。 | 本片加入模型库使用 best.pt。 |
判断训练结束
本片最终状态为 COMPLETED，进度显示 100/100。但日志明确写出早停：连续 50 轮未改善，第 60 轮结束，最佳结果在第 10 轮。因此页面完成进度不等于实际执行了 100 轮。
入库前检查
确认输出权重存在，查看验证指标及代表性样本上的预测效果，再选择是否加入模型库。视频样本很少，验证集仅 2 张图片；运行成功只能证明训练链路跑通。
训练检查
- 状态与最后一段日志一致，没有未处理的运行错误。
- 已记录实际训练轮次、数据版本与使用的权重。
- 已查看验证结果，不仅看进度条。
- 确定采用哪个训练历史和模型文件，再执行入库。
09模型入库
把一次训练产生的权重登记到模型库，保留来源信息。
选择训练记录
从训练详情右上角“训练历史”，或训练列表对应任务的操作入口打开历史。核对训练名称、状态、模型系列和运行记录，找到要保留的那一次训练，然后点击“加入模型库”。
核对模型来源
在“加入模型库”弹窗填写名称，视频最终使用“演示训练-模型”。项目、训练任务、模型类型、模型系列、文件格式与模型文件由该训练记录带入；逐项核对后再确认。
| 入库字段 | 本片对应值 / 检查要点 |
|---|---|
| 模型名称 | 演示训练-模型；建议在真实项目中包含用途和版本。 |
| 项目 / 训练任务 | 来源分别为项目 136、训练任务 452；这些编号仅属于录像环境。 |
| 模型类型 | object_detection，与 2D 目标检测对应。 |
| 模型系列 | yolov11，应与训练使用的系列一致。 |
| 文件格式 / 模型文件 | pt / best.pt，应对应本次选定的输出权重。 |
确认入库
点击弹窗“加入模型库”，完成后进入顶部“模型”页面。搜索刚填写的名称，检查模型系列、文件名、关联项目和来源类型。新模型应能在列表中找到。
模型维护
打开模型行的“操作”，可见“编辑、测试、导出、训练、删除”。列表顶部还显示“同步基础模型、下载基础模型、添加模型”。本片重点演示训练结果入库与导出入口，未完整演示测试或手动添加流程。
10导出部署
在模型库选择导出格式，并理解格式与运行环境的关系。
打开导出窗口
在模型列表找到“演示训练-模型”，点击该行“操作”中的“导出”。弹窗上方显示待导出的模型名称，先核对这一项，避免导出其他历史版本。
选择导出格式
点击“导出格式”下拉框。录像实际展示了下面六个选项；根据部署程序所要求的输入格式选择，而不是把所有格式都导出一遍。
| 界面选项 | 文件形式 | 常见用途与检查点 |
|---|---|---|
| PT | .pt | PyTorch 生态权重；仍需匹配模型定义、依赖与推理代码。 |
| ONNX | .onnx | 跨框架推理交换格式；检查算子支持、输入尺寸和推理结果。 |
| TensorRT Engine | .engine | NVIDIA GPU 推理引擎；通常与 GPU、TensorRT 版本和构建环境有关。 |
| OpenVINO XML+BIN | .zip | OpenVINO 模型包；解压后检查配套模型文件是否完整。 |
| Paddle Inference Params | .pdiparams | Paddle 推理参数；实际部署可能还需配套模型结构 / 配置文件。 |
| Paddle Params | .pdparams | Paddle 参数文件；需按对应模型和框架加载。 |
检查导出文件
选好格式后按弹窗的确认操作提交，并等待转换或下载结果。下面的检查属于实际使用建议：确认文件非空、扩展名正确，保留标签表与输入输出说明，在目标推理环境用同一张测试图比对结果。
部署检查
- 模型版本、类别顺序与业务预期一致。
- 推理程序知道输入尺寸、归一化及输出后处理规则。
- 目标设备和运行时兼容，模型能实际加载。
- 使用代表性样本对比导出前后的预测效果。
11自动标注
用模型为任务生成预测标注，再人工复查，而不是只看完成提示。
选择自动标注
回到“演示项目”，在“标记任务”这一行打开“操作”，选择自动标注。注意使用任务行的操作菜单，先确认当前任务就是要处理的数据。
选择模型
打开“自动标注”弹窗，在“模型”中选择刚入库的“演示训练-模型”。如果列表中找不到，应回模型库核对入库是否完成、模型类型是否匹配以及当前账号权限。
逐项检查标签映射
模型选择完成后会显示标签与属性映射。左侧为模型输出类别，右侧为任务所采用的类别。逐项确认语义一致，录像中“大象→大象、斑马→斑马、牛→牛”。颜色接近或名字相似都不能代替语义核对。
设置阈值
阈值用于筛选预测结果。录像未显示明确填写的阈值数值，不能由空白字段推定默认值。实际使用时按平台提示设定；通常提高阈值会减少低置信度结果，也可能增加漏标。确认后点击“开始标注”。
查看标注结果
提交后观察进度或请求状态。录像出现“自动标注已完成：task #208”的提示。完成后回到该任务，打开 Job 检查标注是否符合预期，必要时关闭“仅浏览空帧”查看已经生成的对象。
复查结果
- 类别映射正确，没有整个类别被映射错。
- 没有明显漏检、重复框或背景误检。
- 框的位置符合项目边界规则。
- 人工修正已保存；完成提示没有被当作质量验收。
12用户管理
定位账号管理入口，以及查看任务创建和训练等后台操作的处理状态。
查找用户
点击顶部“用户”。页面按卡片显示账号，可通过搜索、排序、快捷筛选和筛选定位用户。录像只浏览列表，没有完整执行新增、编辑或密码重置。
| 界面入口 | 用途 / 本片展示范围 |
|---|---|
| 新增用户 | 页面右上角可见入口，未展示完整创建表单。 |
| 启用 | 每张用户卡片显示账号启用状态开关。 |
| 编辑 | 用户信息维护入口，录像未展开详细字段。 |
| 重置密码 | 账号密码维护入口，录像未执行重置。 |
| 删除 | 移除账号的入口；截图中部分操作可用性不同，应按账号权限与系统约束处理。 |
查看请求
点击顶部“请求”。这里展示 Create Task、Train Project 等后台记录，包括目标、状态、进度与历史时间。它与任务详情中的 Job 不是同一种列表。
筛选请求
结合状态、操作、目标、队列、项目等筛选条件定位记录，核对目标编号和开始时间，避免把其他任务的完成状态当成当前任务结果。必要时点击页面刷新按钮获取新状态。
133D 标注
认识标准 3D 工作区，使用多视图核对点云目标与三维框。
录像先打开一个点云场景，随后切换到道路场景。这里重点解释更清楚的道路样例：主窗口显示点云，右侧有参考照片和 Car 对象，底部提供顶视图、侧视图、前视图。本段以既有长方体的选择和多视角检查为主，没有完整展示从零创建 3D 项目和导入点云。
打开 3D 作业
从对应项目进入任务和 Job。确认右上角显示“标准 3D”，主视图出现点云。视频道路样例的帧文件为 .pcd，顶部仍有前后帧和帧号控制。加载期间等待当前数据出现，再继续操作。
选择 3D 对象
在右侧对象列表选择对应 Car 条目。选中后，主视图中的长方体高亮，底部视图同步显示它的投影；对象详情可见 W、H、L 等尺寸字段。先确认选中的是要处理的车辆。
检查位置与朝向
调整观察视角，结合目标点簇检查长方体是否覆盖同一目标。对需要修正的框，利用当前版本提供的控制点或尺寸字段调整，并同步检查其他视图。单一透视画面看起来贴合，不代表高度、朝向都正确。
| 区域 | 重点检查 |
|---|---|
| 主透视图 | 目标位于哪个点簇，框是否误包到周围物体，整体朝向是否合理。 |
| 顶视图 | 在水平投影中检查范围、中心位置与朝向。 |
| 侧视图 | 结合侧面投影检查高度及纵向覆盖。 |
| 前视图 | 结合前向投影检查宽度、高度及中心偏移。 |
| 参考照片 | 辅助确认目标语义及场景位置，不能替代点云几何检查。 |
| 对象列表 / W、H、L | 确认类别与对象编号；尺寸单位应按数据规范确认，本片未单独定义单位。 |
保存并复查
完成本帧核对后点击保存。检查对象列表中其他目标，再用顶部帧控制查看后续点云；对同类别目标采用统一标注规则。
3D 检查
- 长方体类别正确，围住目标点簇。
- 主视图与三个正交视图都检查过。
- 中心、尺寸和朝向合理，没有只改一个视角。
- 已保存；没有将观察视角变化误认为对象位置变化。
14多边形编辑
在分割项目中查看区域边界，理解多边形、填充显示与掩膜的区别。
确认分割标签
打开“语义分割2”。项目模型类型显示“2D语义分割”，形状说明为 mask, polygon，标签为“目标1、目标2”。进入带有汽车缩略图的任务，再打开 Job。
选择多边形
在编辑器右侧查看对象列表。录像显示多个绿色“目标1”区域和红色“目标2”区域，条目类型为“多边形”。选中汽车引擎盖区域后，可见半透明填充和轮廓顶点。
修正多边形
放大需要检查的边缘，将多边形顶点与部件轮廓对齐；调整时保证边界连续，避免自交、越界和不必要的锯齿。录像展示了既有区域的选择与顶点状态，本手册不把它描述为完整的新建多边形过程。
检查相邻区域
右侧“外观”区域可见不透明度、选中不透明度等控制。填充遮住细节时，可降低选中不透明度观察原图边界，再切换其他对象检查区域之间是否重叠或留缝。
保存分割结果
检查每个区域对应的目标类别，保存后重新查看目标区域。实际项目应先定义哪些像素属于目标、遮挡与孔洞如何处理，再交给多位人员标注。
| 概念 | 本片中的正确理解 |
|---|---|
| 矩形检测 | 用外接框定位目标，不描述精细区域边界。 |
| 多边形 | 由一系列顶点围成区域，本段对象列表明确显示这种类型。 |
| Mask / 掩膜 | 项目支持的区域标注类型之一；本片未清楚演示独立画笔涂抹或擦除流程。 |
| 半透明填充 | 区域的显示方式；看到填充不能直接认定操作的是掩膜画笔。 |
分割检查
- 类别正确，边界贴合目标区域。
- 顶点没有自交，区域没有意外覆盖背景。
- 相邻区域的重叠 / 缝隙符合项目规范。
- 改变不透明度只是改变显示，保存后对象仍正确存在。
15关键点
打开关键点项目，核对既有手部对象的点位名称与位置。
打开关键点项目
在项目列表打开“关键点检测”，核对粉色 hand 标签，进入带手部图片的任务与 Job。数据加载需要时间，等图像与点位均出现后再操作。
选择 hand 对象
在右侧对象列表选择 hand。图像上出现对象外框和多个彩色关键点；右侧条目显示“骨架”，可展开详情及“部件”。外框表示当前整体对象范围，不是每个关键点的位置。
核对点位
沿手腕和手指逐点检查，画面可见 HAND_POINT_0 至 HAND_POINT_20 等点名。选取或修正时保持点位编号与项目定义的解剖位置一致，不要因为两个点靠近就互换编号。
修正关键点
如发现点偏离、遗漏或对象整体错位，按当前关键点模板与可见的编辑控件修正。遮挡、不可见点应遵循项目规则，不能自行猜测标注约定。完成后保存并检查下一张图片。
关键点检查
- 同一个点位编号在所有图片中含义一致。
- 点位落在正确位置，未交换左右或相邻手指。
- 整体对象与子点的编辑范围没有混淆。
- 遮挡及不可见点处理符合项目规则，并已保存。
16交付检查
遇到异常时先定位所处环节，再对照最小检查项处理。
| 问题 | 优先检查什么 | 相关章节 |
|---|---|---|
| 打不开平台或无法登录 | 确认服务地址、端口和账号；127.0.0.1 仅指当前电脑。 | 登录与导航 |
| 创建任务后没有图片 | 检查上传文件数、后台创建请求与实际 Job 帧数；先排除仍在处理。 | 任务与导入 |
| 标注时没有想要的类别 | 核对项目归属、标签集合和当前标签下拉框。 | 项目与标签 |
| 复查时跳过已经标注的图片 | 检查是否启用了“仅浏览空帧”，复查已有结果时关闭它。 | 矩形标注 |
| 返回后看不到刚标的对象 | 核对是否进入同一 Job / 帧，检查保存反馈、筛选和对象可见性。 | 保存与检查 |
| 训练提交后暂时没有 epoch | 先看数据导出、扫描和模型加载日志；不要重复提交。 | 训练监控 |
| 训练出现显存不足 | 根据实际错误与资源使用，尝试减小批大小或输入尺寸，再重新记录配置。 | 训练配置 |
| 设置 100 轮却没有跑满 | 检查 EarlyStopping、手动停止或错误状态；本片实际在 60 轮早停。 | 完成判断 |
| 日志有字体警告 | 核对是否只是绘图字体缺失，结合最终状态和权重文件判断。 | 日志解释 |
| 自动标注模型下拉找不到模型 | 确认已经入库，类型与任务相容，当前账号有访问权限。 | 模型入库 |
| 自动标注结果类别都不对 | 核对标签映射、模型来源与训练标签，先暂停批量使用并抽查。 | 自动标注 |
| 导出后不能在目标设备加载 | 检查框架版本、算子、输入尺寸、模型结构及格式配套文件。 | 模型导出 |
| 3D 框从一个角度看正常，换角度偏移 | 联合顶视、侧视、前视图检查中心、朝向与尺寸。 | 3D 点云 |
| 关键点位置看着接近但训练异常 | 重点检查编号含义、点位顺序和遮挡规则是否统一。 | 关键点 |
数据交付
- 项目类型、任务归属、文件数量清楚。
- 类别名称统一，标注已保存并复核。
- 错类、漏标、重复和边界问题已处理。
- 数据版本与任务编号已有记录。
训练与模型交付
- 数据划分和配置可追溯。
- 实际训练结束原因清楚，已检查输出权重。
- 模型已按明确名称入库，来源训练可定位。
- 自动标注经过人工复查；部署格式在实际运行环境中验证。
使用说明
左侧目录可直接跳转；搜索会按关键词筛选章节，清空搜索可恢复全部内容。截图可点击放大，在弹窗中切换“适应窗口 / 原始尺寸”；按 Esc 关闭。所有截图、样式和脚本都嵌入此 HTML，复制单个文件即可离线阅读。