訓練影像模型前，資料標注要先準備什麼？

發布日期：2026 年 11 月 5 日

拿到一批照片後，很多團隊會想馬上開始標。但如果任務和標準還沒想清楚，常常標到一半才發現要重來。開始之前，建議先確認下面七件事。

一、先確定模型要回答什麼問題

模型的任務決定了要標什麼，也決定了要花多少時間：

先選能解決問題的最簡單做法。如果只需要知道「有或沒有」，就不一定要標到每個像素。

模型通常只學得會它看過的情況。如果使用者會用各種手機、在不同光線下拍照，訓練資料也應該涵蓋這些差異。同時留意各類別的比例，少見但重要的情況要特別收集。

確認資料的取得與使用範圍，再開始標注。影像裡如果有臉部、名牌或其他可辨識的資訊，先去識別化，並限制能接觸資料的人。涉及兒童或健康相關的資料，更要先確認同意與法規要求。

標準只存在腦中，不同人就會標出不同結果。一份好用的指引至少要有：

先挑一小批涵蓋各種情況的資料，請兩個人各自獨立標注，再比較差異。意見不同的地方，通常就是指引還不夠清楚的地方。把指引修好再正式開始，可以省下大量重工。

開始前就決定誰來複查、抽查多少、發現錯誤怎麼修正。如果使用 AI 預標，也要由人工確認，不要直接當成答案。另外要留一份獨立的測試資料，並注意同一個來源的相似資料，不要同時出現在訓練集和測試集，否則測試結果會比實際好看。

先確認模型訓練需要的格式，例如 JSON、COCO 或 YOLO，以及座標的定義方式。資料和指引都要記錄版本，之後模型表現有變化時，才查得出原因。

在研發小手寫寫時，同一張影像常需要同時標分類、範圍和關鍵點，而且部分照片連專業人員都不容易判斷。因此我們會記錄不確定的情況，不把猜測當成正確答案。對模型來說，誠實的「不確定」通常比看起來完整的錯誤標注更有用。