• Soulock
• 2026年06月22日
• • 技术

6000 张图做 YOLO 辅助标注：一个大模型还是拆多个

数据集里 6000 张图，想训一个 YOLO 做预标注（不是最终部署）——是把所有类别塞一个模型，还是按大类拆多个？答案要看你的类别怎么分。 场景 1：类别相近 → 一个大模型 比如都是路面场景：person、car、bus、truck、traffic_light——目标形态接近、上下文相似，塞一个模型没问题： # data.yaml nc: 20 names: - person - car - bus - truck - traffic_light - ...优点：只维护一个模型 推理一次拿全部结果 6000 张图对 YOLOv8s / YOLO11s 一点都不多，一晚上跑完 类别之间可能有互相约束（比如"斑马线附近容易有 person"），单模型能学到场景 2：类别跨度大 → 拆多个模型 要标的东西差别巨大： 交通标志：限速 / 禁停 / 左转 / 右转 车辆：car / bus / truck 家具：chair / table / sofa三个域完全不同的时候，一个模型很容易顾此失彼——训到最后 mAP 只是 balance 出的中间值。每个域一个小模型：交通标志检测模型 车辆检测模型 家具检测模型优点：新加一个大类不用重训全部 小模型训练快、精度高 误检更少（不会拿"椅子"当"汽车"）缺点：推理跑多个模型 管理麻烦（模型 → 类别 → 版本）场景 3：类别很多且分层 → 分级流水线 CVAT / LabelStudio 等专业标注平台常用的做法——粗定位 + 细分类： 一级：粗定位（找目标） │ ├─ person ├─ vehicle ├─ animal ├─ traffic_sign └─ building二级：细分类（每个粗类一个小模型） ├─ traffic_sign │ ├─ speed_limit │ ├─ stop │ ├─ turn_left │ └─ turn_right ├─ vehicle │ ├─ car / bus / truck / bike └─ ...粗模型只负责"找到候选框"，细分类器（可以是分类模型不是检测）判定具体类别。这套结构对增加新细类特别友好——只改对应二级分类器就行。 配合 SAM 类分割模型：SAM 出 mask → YOLO 分类头判定 → 输出精细标注。这是当前自动标注前沿方案。 6000 张的容量参考YOLOv8n / YOLO11n：几百到几千张就能有效果，训练几十分钟 YOLOv8s / YOLO11s：6000 张的甜蜜点，训练 1-3 小时 YOLOv8m / YOLO11m：需要至少 1 万张才发挥优势 YOLOv8l / YOLOv8x：几万张起步6000 张选 s / m，别上 l 或 x——过拟合概率大。 类别不平衡怎么办 6000 张里可能某些类别几百张、某些类别几十张。方法：加数据增强：mixup、mosaic、hsv、rotation——Ultralytics 默认就开 加权采样：class_weights 让少数类被多次采样 合并罕见类：训不动的类临时合并成"其它"，先跑通再迭代 cascade：稀有类先由粗模型定位，再单独训一个二分类判定辅助标注 vs 最终部署 辅助标注模型要求：Recall 优先（宁多勿少，人工再删） Precision 差点没事 速度不用极致最终部署模型要求：Precision + Recall 都要 速度 / 显存有约束 需要严格评测两者训练策略也不一样。辅助标注可以 confidence 阈值调低（比如 0.15），把所有可疑目标都框出来，让人复核。 推荐做法 如果类别 <= 30、都是相似的场景：一个 YOLOv8s / YOLO11s 模型，配合置信度 0.15-0.25 做辅助标注，人工审核补漏。 类别 >= 50 或者跨大类：每个大类一个模型，或者上"检测 + 分类"分级流水线。 一句话总结 类别相近 → 一个大模型；跨度大 → 拆多个；类别多且分层 → 检测 + 分类分级。辅助标注就调低 confidence 让人复核，比追求高 precision 更实用。