同一张 640×480 的图，五种标法的价钱差三个数量级：分类 1 次点击、矩形框 2 次拖拽、 关键点 17 次点击、多边形 20 次点击，分割掩码要约 122 笔涂抹。 掩码体积是框的 19200 倍，耗时是 61 倍。
上一节说了标注重要，这一节说标注贵。不同标法的成本差得很远，选错了会浪费大半预算。
一、五种标法，五种几何
图像分类：整张图一个标签。最便宜，信息也最少——它只说「图里有什么」，不说在哪。 矩形框：用四个数框住目标。检测任务的标准答案。 多边形：沿目标边缘点一圈。适合不规则形状，比如被遮挡的车、弯曲的道路。 关键点：标若干个点的坐标。人脸 68 点、人体 17 点，都是这个形式。 分割掩码：逐像素标出目标区域。信息最全，也最贵。
二、成本差多少
按每次点击或拖拽 1.5 秒算：分类 1.5 秒，矩形框 3.0 秒，关键点 25.5 秒， 多边形 30.0 秒。 掩码没法按点击算。 假设目标占画面 8%、笔刷半径 8 像素，要涂约 122 笔，合计 183 秒——三分钟一张。 存储上差得更夸张：矩形框 4 个数 16 字节，掩码 307200 字节，19200 倍。 一千张掩码要 50.9 小时，一个人干一周。一千张框只要 50 分钟。
三、为什么工业界先做框
因为框的性价比最高：它给出「在哪里」，而「在哪里」这件事的下游价值远大于「精确到每个像素」。 检测模型用框就能训出来；真要更细的边界，可以拿框训出的模型去预填掩码，人工只修边界。 这就是「先框后精修」。 精修的成本远低于从零涂：模型给的掩码通常已经八九不离十，人只要推一推边界。 什么时候必须直接上掩码？ 医学影像、遥感、自动驾驶的可行驶区域——这些场景里「边界偏三像素」的后果很严重，省不得。
四、选标法的三个问题
- 下游要什么。只要「有没有」，分类就够；要「在哪」，上框；要「占多大面积」，只能上掩码。
- 误差能容忍多少。框允许目标倾斜、不完整；掩码要求边界严格贴合。容差越小，成本越高。
- 预算有多少。这三条按顺序问，第三条最后问——前两条定了，第三条只是在决定做多少张。 常见的错是反过来：先算预算能标多少张，再决定标法，结果标了一堆下游用不上的东西。
五、动手 Demo：五种标注的几何成本对照
按一张 640×480 的图，分别算五种标法要多少次操作、存多少字节、花多少秒：分类 1 次点击、 框 2 次拖拽、多边形 20 顶点、关键点 17 点、掩码按 8% 面积和半径 8 的笔刷估涂抹笔数； 最后换算成一千张的总工时。
area = W * H * 0.08 # 目标占画面 8%
strokes = area / (math.pi * 8.0 ** 2) # 笔刷半径 8
u'%d KB' % (W * H / 1024.0) # 掩码体积
u'%.0f' % (strokes * 1.5) # 涂抹耗时
实跑输出：
--------------------------------------------------------------------
五种标注的几何成本：一张 640×480 的图
--------------------------------------------------------------------
图像尺寸 640 × 480 ＝ 307200 像素
操作计时 每次点击或拖拽按 1.5 秒算
目标占比 假设目标占画面 8%
标注类型 每张的操作 存下来的东西 体积 耗时 秒
-------------------------------------------------------------------
图像分类 1 次点击 1 个标签 4 B 1.5
矩形框 2 次拖拽（4 个数） 4 个数 16 B 3.0
多边形 20 次点击（20 个顶点） 40 个数 320 B 30.0
关键点 17 次点击（17 个点） 34 个数 272 B 25.5
分割掩码 约 122 笔涂抹 逐像素 1 字节 300 KB 183
掩码与矩形框的体积比 19200 倍
掩码与矩形框的耗时比 61 倍
1000 张的掩码标注 约 50.9 小时
这张表解释了一件事：为什么工业界先做框、后做掩码。掩码的信息量最大，可体积是框的 19200 倍，耗时是框的 61 倍。
折中办法是「先框后精修」：模型用框训出来，再用它去预填掩码，人工只修边界。这就是下一节要算的账。
这笔账里最容易被忽略的是「体积」那一列。掩码 300 KB 一张，一万张就是 3 GB，光传输和存储就够呛； 框只要 160 KB，一封信都能带走。 多边形比关键点贵，是因为我按 20 个顶点算。真实目标如果边缘简单，10 个顶点就够，成本能砍一半。 掩码那 122 笔是按「涂满」估的。 实际操作中会用填充工具，先勾一圈再填充，真实耗时比这个低——所以这个数偏保守。 一千张 50.9 小时是按连续作业算的，没算疲劳和返工。真实标注项目一般还要加 20% 到 30% 的返工量。
30 秒实验
- 把目标占比从 8% 改成 2% 和 20%，看掩码笔数和耗时怎么变。
- 把笔刷半径从 8 改成 16，看涂抹笔数掉多少。
- 想一想：为什么医学影像宁可标得慢也要用掩码？
常见误区
- 「标得越细越好」——细是要花钱的，下游用不上就是白花。
- 「框不够用就上掩码」——中间还有多边形这一档，很多场景够用。
- 「先算预算再定标法」——应该先定下游需求，再算要做多少张。
自测三问（点开对答案）
1. 五种标法的信息量从少到多怎么排？ —— 分类、矩形框、关键点或多边形、分割掩码。 2. 为什么工业界普遍先做框而不是先做掩码？ —— 框只贵一倍却给出位置信息，性价比最高；需要更细时可用模型预填再精修。 3. 掩码的存储成本比框大多少？ —— 这一节算的例子里是 19200 倍（307200 字节对 16 字节）。标法选好了，下一节讲怎么标得快、标得一致。
- ☐ （本节完，下一节 7.1.3 高效标注方法：提升标注效率和准确率的技巧）