[首發(fā)于智駕最前沿微信公眾號]把自動駕駛比作人的大腦和感官系統(tǒng)，數(shù)據(jù)就是外界感知的原始輸入，而標(biāo)注就是告訴大腦“這是啥，這在哪兒，這會怎么動”。沒有高質(zhì)量的標(biāo)注，即便是再先進(jìn)的感知模型、跟蹤模型與預(yù)測模型都會像沒吃過飯的人，理論上能動，但做不了持久、可靠的工作。標(biāo)注的任務(wù)不是單純把圖里面的物體框起來，而是把現(xiàn)實(shí)世界中模糊、交疊、短暫的事件用清楚、統(tǒng)一、機(jī)器能讀懂的方式記錄下來，供模型學(xué)習(xí)和評估。對于自動駕駛汽車來說，標(biāo)注決定了系統(tǒng)能學(xué)會什么、看清什么、在哪些邊界上會犯錯，這直接關(guān)系到系統(tǒng)的安全性和商業(yè)可行性。

標(biāo)注的“量”和“質(zhì)”，需要什么規(guī)模、什么精度

想要讓自動駕駛汽車安全駕駛，少量的標(biāo)注樣本無法起到作用，只有大規(guī)模、多模態(tài)、多任務(wù)的標(biāo)注樣本，才能讓數(shù)據(jù)標(biāo)注投入得到有效發(fā)揮。且在自動駕駛不同階段和目標(biāo)，常見的數(shù)據(jù)規(guī)模和質(zhì)量指標(biāo)也會有明顯差異。做原型或概念驗(yàn)證時(shí)，通常用量級在幾萬到十幾萬幀的標(biāo)注資源就能訓(xùn)練一個基礎(chǔ)的模型并做快速迭代；要把功能推向封閉道路試驗(yàn)或限定場景運(yùn)營，數(shù)據(jù)需要擴(kuò)到數(shù)十萬到數(shù)百萬幀；若要覆蓋城市級、全天候、長尾事件就必須把標(biāo)注規(guī)模推向百萬級甚至上千萬級樣本。

這些“幀”可以指單張相機(jī)圖片，也可以指一幀LiDAR點(diǎn)云或多傳感器的時(shí)間同步片段。以相機(jī)圖像為例，常見訓(xùn)練集規(guī)模范圍是幾十萬到幾百萬張帶標(biāo)簽的圖像；以點(diǎn)云為例，標(biāo)注幀數(shù)的范圍通常是十萬到幾百萬幀，每幀點(diǎn)云包含的點(diǎn)數(shù)取決于激光雷達(dá)類型，常見生產(chǎn)級傳感器每幀點(diǎn)數(shù)在幾萬到幾十萬點(diǎn)之間。

衡量標(biāo)注是否可用有幾類核心指標(biāo)。第一個是標(biāo)簽的一致性，通常通過標(biāo)注員間一致率（inter-annotator agreement）或IoU（交并比）分布來量化。對于二維檢測任務(wù)，在IoU≥0.5的閾值下，常見的一致率目標(biāo)是高于85%的區(qū)間；對于高精度應(yīng)用或小目標(biāo)檢測，希望在IoU≥0.7條件下也能維持70%以上一致性。像素級語義分割和實(shí)例分割對人工耗時(shí)巨大，因此合格的一致率通常要求更高，否則模型學(xué)習(xí)到的邊界噪聲會直接影響定位與避障。點(diǎn)云的三維框因?yàn)樽杂啥雀?，?biāo)注誤差更明顯，常用的度量是框中心誤差（厘米級）和朝向誤差（度），在落地項(xiàng)目中希望中心誤差在10–30厘米內(nèi)、朝向誤差控制在幾度到十幾度之間，具體數(shù)值會隨業(yè)務(wù)安全邊界不同而變化。

標(biāo)注效率其實(shí)也可以用數(shù)據(jù)說明。對二維框的標(biāo)注或校正，在有自動預(yù)標(biāo)注的條件下，一位經(jīng)驗(yàn)豐富的標(biāo)注員每天可以修正數(shù)百到上千張圖片（以每張圖片平均目標(biāo)數(shù)量不高為前提）。對像素級分割，工具和預(yù)標(biāo)注齊全時(shí)，一位標(biāo)注員每天能完成幾十張到一百張高質(zhì)量圖像；沒有輔助時(shí)速度會再慢一個量級。點(diǎn)云標(biāo)注會更耗時(shí)，一位標(biāo)注員在優(yōu)秀工具和預(yù)標(biāo)注輔助下每天能處理幾十幀到一百幀左右的三維框或?qū)嵗龢?biāo)簽；如果需要詳細(xì)的點(diǎn)級語義標(biāo)注或稠密分割，每人每天的產(chǎn)能會降到十幾幀。把這些數(shù)字換成組織規(guī)模與時(shí)間成本，要支持百萬級幀的初步標(biāo)注，往往需要數(shù)十到數(shù)百名標(biāo)注員并行工作數(shù)周到數(shù)月，視預(yù)標(biāo)注質(zhì)量和復(fù)核深度決定工期與成本。

當(dāng)然，數(shù)據(jù)量與訓(xùn)練效果之間并不是線性的關(guān)系，但我們可以用經(jīng)驗(yàn)數(shù)據(jù)說明“邊際收益遞減”的現(xiàn)象。對于某一固定模型和任務(wù)，把訓(xùn)練樣本從十萬擴(kuò)大到三十萬，通常能帶來明顯性能提升；從三十萬擴(kuò)大到一百萬，提升仍然明顯但幅度縮小；從一百萬推到數(shù)百萬甚至千萬，性能增長會更緩慢，更多時(shí)候的收益來自擴(kuò)展到更多場景或更長尾的覆蓋，而不是基礎(chǔ)的平均精度提升。因此在資源有限時(shí)，如何在數(shù)據(jù)規(guī)模、標(biāo)注粒度和場景多樣性之間做權(quán)衡，是設(shè)計(jì)數(shù)據(jù)策略時(shí)的核心問題。

如何用好工具、流程與半自動化來降低成本并保證質(zhì)量

把數(shù)據(jù)標(biāo)注當(dāng)成工程來做，支撐它的一定是明確的流程、好用的工具和持續(xù)的質(zhì)量控制。標(biāo)注平臺要能同時(shí)顯示多模態(tài)數(shù)據(jù)（同步相機(jī)+點(diǎn)云+軌跡），支持時(shí)間軸回放、跨幀ID跟蹤編輯、批量操作和自動預(yù)標(biāo)注導(dǎo)入。好的預(yù)標(biāo)注能把人工工作量降低30%–70%，這具體取決于模型的初始能力和目標(biāo)復(fù)雜度。例如在車輛與行人檢測任務(wù)中，把一個基礎(chǔ)檢測模型放入預(yù)標(biāo)注流程后，每幀需要人工干預(yù)的目標(biāo)位置與類別比例會顯著下降，從而把單幀人工工時(shí)從數(shù)分鐘降到幾十秒或更短。

在流程設(shè)計(jì)上，精細(xì)的標(biāo)注規(guī)范比短期的速度優(yōu)化更重要。規(guī)范要把模糊邊界具體化，比如在遮擋時(shí)如何畫盒、當(dāng)行為不確定時(shí)如何標(biāo)注類別、如何處理跨類邊界（例如電動滑板車與行人的區(qū)分）。規(guī)范同時(shí)應(yīng)配套大量示例和反例庫，以減少標(biāo)注員在灰色區(qū)的判斷成本。質(zhì)控流程通常分為自動質(zhì)量檢查和人工抽檢兩層。自動檢查會檢出如標(biāo)簽框超出圖像邊界、類別與場景不符、ID在時(shí)間軸上突變等顯而易見的問題；人工抽檢則負(fù)責(zé)驗(yàn)證如長期行為標(biāo)注和復(fù)雜交互判斷自動檢查無法覆蓋的語義性問題。

半自動化與主動學(xué)習(xí)是當(dāng)前提升標(biāo)注效率的兩把利器。通過把模型的不確定性作為采樣依據(jù)，可以把標(biāo)注資源優(yōu)先分配到對模型最有價(jià)值的數(shù)據(jù)上。主動學(xué)習(xí)策略常常能把需要標(biāo)注的數(shù)據(jù)量減少20%–50%才達(dá)到與全面標(biāo)注接近的性能，節(jié)省標(biāo)注時(shí)間和成本。但主動學(xué)習(xí)的效果強(qiáng)依賴于評估指標(biāo)和采樣策略，盲目使用可能把資源集中在模型“困惑”的小范圍內(nèi)，而忽略長尾場景。因此把主動學(xué)習(xí)嵌入到持續(xù)迭代流程中，并結(jié)合工程經(jīng)驗(yàn)調(diào)參，是必要的。

衡量標(biāo)注投入產(chǎn)出時(shí)，應(yīng)把直接成本（人工工時(shí)、外包費(fèi)用）與間接成本（存儲、版本管理、再標(biāo)注、隱私合規(guī)）一并考慮。像素級分割和點(diǎn)級標(biāo)注的單位時(shí)間成本明顯高于二維框，重標(biāo)注成本也高。因此在沒有明確業(yè)務(wù)需求時(shí)，把標(biāo)注粒度設(shè)為“足夠但不冗余”是優(yōu)化路徑。很多團(tuán)隊(duì)先以二維框?yàn)橹骺焖俅虻?，再把關(guān)鍵場景或關(guān)鍵物體升級到像素級或點(diǎn)級高精度標(biāo)注，從而把資源高效集中到提升系統(tǒng)安全邊界的點(diǎn)上。

用數(shù)據(jù)驅(qū)動標(biāo)注決策

標(biāo)注不是一次性的工程，而是長期運(yùn)營的問題。隨著模型更新、業(yè)務(wù)場景擴(kuò)張和法規(guī)變化，標(biāo)簽規(guī)范與數(shù)據(jù)集版本會發(fā)生改變。良好的數(shù)據(jù)治理體系可以把這些變化帶來的成本最小化。為了實(shí)現(xiàn)這個目標(biāo)，首先需要建立標(biāo)簽本體管理，每個類別、子類、語義層次有明確定義和反例集，任何人能通過規(guī)范快速對照判斷。其次需要數(shù)據(jù)版本管理與可追溯的變更記錄，當(dāng)標(biāo)簽規(guī)范更新時(shí)，系統(tǒng)要能記錄哪些樣本被重新標(biāo)注、誰做了變更、變更前后的差異指標(biāo)是什么。這樣在模型出現(xiàn)退化或行為異常時(shí)，可以迅速判斷是否由標(biāo)簽變動引起并回滾或修正。

長期維護(hù)還需要把模型性能反饋閉環(huán)進(jìn)標(biāo)注體系。把模型的誤判、低置信樣本和真實(shí)運(yùn)營中觸發(fā)的告警作為優(yōu)先標(biāo)注列表，這些數(shù)據(jù)往往比隨機(jī)采樣更能提升系統(tǒng)魯棒性。在多數(shù)實(shí)踐中，把運(yùn)營中采集到的錯誤樣本優(yōu)先標(biāo)注并回流訓(xùn)練，常常是提升系統(tǒng)在關(guān)鍵場景下表現(xiàn)的最高效方法。與此同時(shí)，建立周期性的質(zhì)量回顧（例如每月一次）可以把標(biāo)注規(guī)范的模糊點(diǎn)具體化，把標(biāo)注員的疑問轉(zhuǎn)化為規(guī)范改進(jìn)或樣例庫增加。

合成數(shù)據(jù)和仿真數(shù)據(jù)是補(bǔ)齊長尾的有效方式，但不能替代真實(shí)標(biāo)注。仿真可以高效產(chǎn)生極端天氣、罕見事故或高危交互樣本，這些樣本在現(xiàn)實(shí)采集成本極高或危險(xiǎn)時(shí)尤其有價(jià)值。常見的做法是把合成數(shù)據(jù)用于預(yù)訓(xùn)練或強(qiáng)化模型的少數(shù)策略模塊，再用真實(shí)數(shù)據(jù)做域適配與校準(zhǔn)。重要的是在使用合成數(shù)據(jù)時(shí)量化域差帶來的偏差，并用真實(shí)數(shù)據(jù)做閉環(huán)驗(yàn)證。

隱私與合規(guī)是另一個必須用數(shù)據(jù)方式管理的問題。道路影像中常常包含人臉、車牌等敏感信息，標(biāo)注流程里需要在采集端或標(biāo)注端實(shí)現(xiàn)自動模糊與脫敏，并保留必要的審計(jì)記錄以滿足監(jiān)管或合約要求。這些保護(hù)措施會帶來額外的計(jì)算與存儲成本，也會影響算法在做基于外觀的行為分類時(shí)的性能，因此在項(xiàng)目初期就應(yīng)把隱私合規(guī)作為成本預(yù)算與技術(shù)方案考慮的一部分。

對不同規(guī)模與目標(biāo)的團(tuán)隊(duì)，數(shù)據(jù)策略應(yīng)有所不同。資源有限的初創(chuàng)團(tuán)隊(duì)?wèi)?yīng)把標(biāo)注重點(diǎn)聚焦在關(guān)鍵場景與關(guān)鍵類別上，先建成可復(fù)用的標(biāo)注流水線與規(guī)范，再逐步擴(kuò)展樣本量。大型團(tuán)隊(duì)或車企有能力建立自研標(biāo)注平臺、訓(xùn)練專門的自動標(biāo)注模型并做大規(guī)模數(shù)據(jù)治理，但同樣需要重視工具可用性與流程效率，否則規(guī)模只會帶來巨大的維護(hù)成本。無論規(guī)模大小，把數(shù)據(jù)作為產(chǎn)品來治理、把標(biāo)注作為長期工程來投產(chǎn)，是把自動駕駛從實(shí)驗(yàn)室?guī)У秸鎸?shí)道路的必由之路。

最后的話

把標(biāo)注看成“數(shù)據(jù)工程的一道工序”會把它貶值。相反，標(biāo)注是自動駕駛系統(tǒng)能否安全落地的核心工程，它決定了模型能學(xué)會哪些世界觀、在哪些邊界上會犯錯、在哪里需要人類更謹(jǐn)慎的干預(yù)。通過量化的數(shù)據(jù)指標(biāo)來設(shè)計(jì)標(biāo)注規(guī)模、確定標(biāo)注粒度、評估標(biāo)注質(zhì)量，再結(jié)合工具化、半自動化與主動學(xué)習(xí)來提高效率，團(tuán)隊(duì)能在可控的成本下把數(shù)據(jù)價(jià)值最大化。

審核編輯 黃宇