2D 矩形框标注
目标检测最基础的标注形式：在图像中为每个目标绘制紧贴边缘的矩形框并标注类别。难点在于密集小目标与遮挡目标的框选一致性，我们通过图例文档加交叉互检来控制框的贴合度与类别准确率。
- 输出 COCO、YOLO 等常见格式
- 适用检测、计数类模型训练
- 小批量常见一至两周交付
SERVICES · S-01 到 S-09
九类标注服务，
各有一套执行标准
每一类标注的难点各不相同：框选拼的是效率与一致性，分割拼的是边界耐心，点云拼的是空间判断，转写拼的是听辨规则。下面按九个条目逐项说明各服务做什么、适用什么场景、以什么方式交付。所有条目都包含规格要点、适用场景与交付说明三项，方便你直接对号入座；周期与报价属于项目评估范畴，请通过联系我们提供数据样例后获取。
多边形语义分割
沿物体轮廓逐点勾勒多边形，输出像素级或矢量级分割结果，适合需要精确边界的场景理解模型。曲线边缘、反光边界与镂空区域是主要分歧来源，规则文档会针对每类边界给出明确判定方式。
- 支持多类别、多层区域标注
- 适用遥感、医疗、零售场景
- 交付附抽检可视化样例
点云 3D 立体框
在激光雷达点云中为车辆、行人、骑行者绘制立体框并标注朝向角，是自动驾驶感知训练的核心任务。低反射目标与远距离稀疏点云需要专门的空间判断训练，标注员上岗前须通过试标校准。
- 含位置、尺寸与朝向七参数
- 适用自动驾驶、机器人感知
- 按帧数与密度评估周期
语音转写标注
将录音逐句转写为文本，标注说话人身份与起止时间。口音、专有名词与重叠说话是主要难点，项目启动前会共建术语表，并约定数字、标点、语气词的处理规则，避免后期批量修正。
- 支持多说话人与时间轴标记
- 适用识别、对话类模型
- 按音频时长评估人天投入
文本实体标注
在语料中标记人名、机构、产品、数值等实体及相互关系，为信息抽取与知识图谱提供结构化语料。嵌套实体与边界歧义需要逐条仲裁记录，我们的规则文档会随项目推进持续回写更新。
- 支持实体、关系、事件多层级
- 适用抽取、检索、图谱场景
- 交付 JSON 或 BIO 序列格式
视频跟踪标注
对视频序列中的目标逐帧连续标注并保持 ID 一致，服务于多目标跟踪与行为识别。目标被遮挡后重现的 ID 归属是关键规则点，我们在试标阶段即明确断档处理方式并贯穿整个批次。
- 逐帧框选或隔帧插值结合
- 适用跟踪、行为分析模型
- 按视频分钟数评估规模
数据质检复核
对已有标注结果按约定比例抽检，输出精确率指标与问题清单，并区分偶发错误与系统性偏差。适合在训练前排查第三方标注结果，或在迭代新批次前验证上一批的质量水位。
- 抽检比例与指标双方约定
- 输出问题清单与整改建议
- 常与批量标注同步进行
标注规则定制
根据模型目标撰写带图例的标注规范，把遮挡程度、截断边界、类别归属等疑难情形写成可执行的判定标准。规则文档是整个项目的基准线，试标阶段的每一次仲裁都会回写到文档里。
- 含图例、反例与边界判定
- 适合立项与标注外包前置
- 通常二至五个工作日成稿
数据集交付管理
按训练管线要求整理文件命名、目录结构与标注格式，输出可直接导入训练框架的数据集包与配套说明。格式转换、字段映射与命名规范都在交付清单中写明，减少工程师接入成本。
- 支持 COCO、YOLO、JSON 等
- 附数据集说明与质检报告
- 验收后按协议处理源数据