如何减少标注工作：自动标注和主动学习工具对比

大多数计算机视觉团队遇到的不是标注问题，而是标注量问题：帧数太多、审核时间太少，而且模型改进只需要其中一小部分帧。自动化工具从两个方向着手解决这个问题，两者的区别决定了你真正需要哪种工具。Ultralytics Platform 涵盖自动标注，通过将基于 SAM 的 Smart Annotation 与 Ultralytics YOLO 训练整合到一个工作流中实现这一点。

自动标注让模型走在人工审核之前。模型会给出边界框、掩码或关键点建议，由审核者进行修正，从而降低每个标签的成本。主动学习则让模型先处理数据集。模型会对未标注数据评分，告诉你哪些帧值得审核者查看，从而减少所需的标签数量。买了前者，实际需要的却是后者，这是此类工具中最常见的浪费性采购。

它的 Smart Annotation 会为检测、分割和有向框任务提供掩码与边界框建议；姿态和分类数据集仍需手工标注，因此值得确认它是否适合你的任务组合。它并非万能方案。Lightly 和 Voxel51 FiftyOne 专为数据筛选环节打造；CVAT 更适合自托管的开源工作流；对于小型视觉团队而言，Labelbox、Encord 和 SuperAnnotate 提供的企业级审核机制可能过于繁重。

自动标注与主动学习工具对比#

本页面中的供应商按字母顺序排列，而非按排名排序。Ultralytics 发布了这份对比内容，也列在其中，因此排序刻意保持中立，并为每个选项列明了取舍。

这里没有单一的最佳工具，因为这两项工作需要购买不同的产品。如果你希望标注、训练和部署在同一工作流中完成，请选择 Ultralytics Platform。如果开源控制比便利性更重要，请选择 CVAT 或 Label Studio。如果你真正受限的是判断哪些数据值得标注，请选择 Lightly 或 FiftyOne。如果实际问题是大型团队的审核治理，请选择托管式企业平台。

自动标注与主动学习#

两者常被捆绑销售，但解决的是不同的瓶颈。先明确你要解决的问题，可以省下一轮采购流程。

自动标注降低生成标签的成本。模型会处理你的图像、提出标注，然后由人工接受、编辑或拒绝。收益确实存在，但有上限：你仍然要检查每一帧，而模型的错误会变成审核人员的工作量。对于模型已经能很好处理的类别，修正很快；对于模糊、被遮挡和罕见的情况（这些情况才真正能改进模型），模型给出的建议最差，修正起来也最慢。

主动学习减少所需的标签数量。系统会对未标注数据池进行嵌入或评分，并按数据对模型的学习价值对帧排序：不确定性高、与现有数据相似度低，或不同版本模型之间存在分歧。你只需标注数据池中的一部分，就能获得大部分精度提升。

实际判断方法：

• 如果审核人员被必须逐帧标注的大量画面压得喘不过气，你需要自动标注。
• 如果你的素材远多于可标注的数量，而且没有可靠的方法来选择，就需要主动学习。
• 如果你同时面临这两个问题，就两者都需要，而它们通常是两种不同的产品。

一种实用的流程是先用主动学习进行筛选，再只对选中的数据进行自动标注。对整个数据池运行自动化，会把计算资源和审核时间浪费在不会改变模型的帧上。

CVAT#

产品介绍。 一款成熟的开源标注工具，支持图像、视频和 3D 数据，可自行托管，也提供托管版本。

适用团队。 需要完全掌控标注运行位置和成本的团队。

自动化方式。 自动标注会调用与 CVAT 一同部署的模型，包括用于交互式分割的 SAM，并在审核人员打开任务前预先标注任务。

优势。 标注界面功能完善且无需许可费用，支持强大的视频处理功能（包括插值），并且数据不会被供应商掌控。

取舍。 你需要负责部署、模型服务和审核工作流设计。自动化效果取决于你自行部署的模型。

Encord#

产品介绍。 一款面向复杂视觉数据的标注和数据管理平台，支持视频、DICOM 和点云等数据。

适用团队。 处理长视频序列或医学影像、且逐帧操作成本过高的团队。

自动化方式。 自动标注和目标跟踪会将标注传播到各帧，并对生成的标签进行审核。

优势。 对视频和医学格式的处理确实出色，质量工具能够发现标签问题，而不只是统计处理量。

取舍。 对小型目标检测项目而言，这个平台过于庞大，入门成本也过高。

Label Studio#

产品介绍。 一款开源标注框架，支持视觉、文本、音频和其他数据类型，并提供企业版。

适用团队。 希望在不同数据模态间统一使用一个标注层的团队。

自动化方式。 由你编写并托管的 ML 后端会返回预标注结果，因此你可以完全自主选择用于标注的模型。

优势。 界面和自动化方式都具有最大的灵活性，预标注模型不受限制。

取舍。 自动化是一套框架，而不是现成的功能。必须有人构建、部署并维护后端。

Labelbox#

产品介绍。 一款覆盖多种数据类型的企业级数据标注平台，具有完善的审核和质量管理层。

适用团队。 在统一治理流程下，除了图像还要标注其他模态数据的组织。

自动化方式。 模型辅助标注会将预测结果导入为可编辑的预标注；模型运行功能则可以让你在同一数据集上比较预测结果和真实标注。

优势。 审核工作流成熟、质量控制细致，并且可以查看每位标注人员的表现。

取舍。 适合多模态企业项目的广泛功能，会带来仅处理视觉数据的团队用不到的配置工作。

Lightly#

产品介绍。 一款利用嵌入来判断哪些未标注数据值得标注的数据筛选平台。

适用团队。 拥有远超标注能力的视频素材的团队，尤其是使用持续录像的摄像头或车队的团队。

自动化方式。 系统先对数据进行嵌入，再根据多样性、不确定性或与关注案例的相似度进行筛选，选出的子集随后交给你使用的标注工具。

优势。 直接解决视频数据中的冗余问题：数千帧几乎相同的画面只会增加成本，不会带来信息。

取舍。 它的核心在于数据筛选，而非标注，因此通常需要与标注工具配合使用。不过，目前的 Apache-2.0 版本 LightlyStudio 已扩展为也支持标注，因此请查看当前功能范围，不要想当然地认为它只能进行筛选。

Roboflow#

产品介绍。 一款覆盖数据集管理、标注、训练和部署的计算机视觉平台，深受开发者主导的团队使用。

适用团队。 希望使用托管式视觉工作流，并愿意采用其数据集规范的团队。

自动化方式。 模型辅助标注会使用基础模型或你已在项目中训练的模型来提出标注，因此模型越好，建议也会越准确。

优势。 标注界面文档完善、数据集版本管理出色，而且拥有庞大的公开数据集生态，能够快速搭建类别列表。

取舍。 使用的平台功能越多，收益就越大，因此只需要标注层的团队可能会买下超出需求的功能。

SuperAnnotate#

产品介绍。 一款可使用托管标注服务的标注平台。

适用团队。 标注能力与标注软件同样受限的团队。

自动化方式。 自动化功能会在项目中预先标注并传播标签，同时还可安排托管审核人员进行人工审核。

优势。 一个供应商同时提供工具和人员，并为两者配备企业级项目管理。

取舍。 软件和服务需求需要分别明确，否则你可能会购买无法灵活调配的服务能力。

Ultralytics Platform：通过 SAM 智能标注，为 Ultralytics YOLO 训练数据#

产品介绍。 Ultralytics Platform 将数据集标注与模型训练和部署连接起来。你可以导入原始图像或现有标签，由智能标注提出标注建议，审核人员进行修正，然后直接使用数据集训练 Ultralytics YOLO 模型，无需转移到独立的训练系统。

适用团队。 使用 Ultralytics YOLO 构建检测、分割、分类、姿态或旋转框模型，并希望在同一处完成标注、训练和检查的团队。

自动化方式。 智能标注使用 Meta 的 Segment Anything 模型 SAM，只需点击一下并添加几个调整点，就能生成掩码、边界框和旋转框，然后由审核人员手动编辑结果。SAM 3 是默认选项；如果交互速度比掩码精度更重要，也可以选择更轻量的 SAM 2.1 变体。它支持检测、分割、语义分割和旋转框；姿态和分类数据集需要手动标注，不过姿态标注提供了人物、手、狗、脸部和框的骨架模板，可加快手动标注。

它还支持通过预训练 YOLO 模型进行预标注，这种机制更值得关注。由于训练也在同一平台上，你自己微调的模型会成为下一轮的预标注模型。整个流程无需导出：用现有数据训练，检查模型的错误，再把错误样本送去标注。这就是本指南后文所说的累积效应，你无需自行搭建流程即可实现。

优势。 核心优势在于闭环。标注和训练之间无需导出、转换和导入；手动标注覆盖 Ultralytics 模型支持的六种视觉任务；用于某次训练的数据集也始终与该次训练关联。

取舍。 该平台专为计算机视觉打造，因此同时标注文本或音频的团队还需要其他工具。它不提供托管式人工标注团队，也不是用于筛选超大规模未标注数据池的嵌入式引擎。集成优势也有值得说明的另一面：工作流越多地集中在一个平台上，就越多地依赖同一个供应商，这与前文提到的 Roboflow 耦合成本相同。它也是本次对比中最新的选项：Ultralytics Platform 于 2026 年 3 月推出，而 CVAT、Labelbox 和 Roboflow 已有多年生产使用经验。如果采购要求供应商有更长的业绩记录，这种差异确实存在，应纳入考量。

V7#

产品介绍。 一款专注于精细图像和视频处理的标注平台，在医学和科学影像领域尤为出色。

适用团队。 需要制作密集、高精度标注，且审核人员的操作体验比成本更重要的团队。

自动化方式。 自动标注只需少量输入即可生成精细的实例标注，并支持跨视频帧跟踪。

优势。 面向高精度工作的工具，以及广受好评、适用于复杂分割任务的界面。

取舍。 面向复杂图像的专业功能，对于简单的目标检测任务来说是不必要的负担。

Voxel51 FiftyOne#

产品介绍。 一款用于探索、整理和调试视觉数据集及模型预测的开源工具包，并提供企业版。

适用团队。 精度问题源于数据问题、但目前还看不出问题所在的团队。

自动化方式。 预测结果和真实标注会加载到同一个视图中，因此你可以按损失排序、查找标签错误和重复项，并导出特定数据子集以重新标注。

优势。 尤其擅长发现数据集问题（标签错误、重复项、类别不平衡），而这些问题并不能靠增加标注量解决。

取舍。 它是数据整理和分析层，不是标注界面，也不提供标注服务。

自动标注背后的模型#

供应商会把自动化作为一项功能来营销，但实际效果取决于底层模型，而搜索引擎在这一主题上的扩展搜索结果会直接提及这些模型。

Segment Anything（SAM）。 Meta 的可提示分割模型可根据点或框提示生成掩码。它是智能标注功能（包括 Ultralytics Platform 的智能标注）背后的主力模型，能够出色地找到物体边界。但它并不知道你的类别名称。它只负责分割，必须由其他组件判断分割出的内容是什么。

开放词汇检测器。 Grounding DINO 系列模型可以根据文本提示检测物体，因此你可以预先标注模型从未训练过的类别。这对于快速建立新类别列表很有用；但如果你的领域专用部件和缺陷在公开网络上找不到对应词汇，模型的可靠性就会较低。

你自己的微调模型。 有了第一个模型后，它通常就是你数据的最佳预标注模型，因为它已经接触过你的摄像头、光照和类别。这正是让流程不断累积改进的机制：每一轮标注都会为下一轮提供更好的预标注模型。

实际来说，自动化效果会随着项目推进而变好。如果只看通用模型为最初一百张图像预标注的效果，就会低估它处理第一万张图像时的表现。

运行工作流，同时避免降低数据集质量#

自动化只是转移风险，而不是消除风险。审核人员直接接受的预标注帧，看起来和仔细检查过的帧完全一样；而当框已经画好时，确认偏误会更严重。

在扩大自动化规模之前，值得落实的控制措施：

• 审核预标注，而不是确认预标注。 明确告诉审核人员，他们的工作是修正草稿，并审查看起来高得不合常理的接受率。
• 留出一组手动标注的评估集。 如果测试集由与你正在评估的模型属于同一系列的模型自动标注，那么你的指标衡量的是一致性，而非准确率。
• 抽样并复查。 每轮随机抽取一部分已接受的自动标签，由独立人员从头标注。分歧率才是衡量真实质量的指标。
• 关注自动化效果最差的类别。 小物体、严重遮挡和罕见类别最容易导致预测失败，也是隐性错误最集中的地方。
• 保持本体稳定，或对其进行版本管理。 自动化会忠实且快速地沿用旧类别定义。
• 跟踪来源。 了解哪些标签由机器提出、哪些由人工绘制，才能有效调查后续的质量问题。

自动标注何时不再划算#

对于量大、视觉特征一致且类别定义明确的数据，自动化收益最大。对于三种情况，收益最小，值得尽早识别。

第一种是真正全新的类别。如果现有模型不认识你的部件、缺陷或事件概念，预标注只会产生噪声，审核人员必须先清理这些噪声才能开始真正的工作。先手动标注几百个样本并训练模型，然后再让自己的模型进行预标注。

第二种是需要专家判断的情况。如果难点在于判断某个现象是否算缺陷，那么瓶颈在于判断，而不是绘制。自动化无法解决两位合格检验员之间的分歧，也无法让他们更快达成一致。

第三种是数据集已经足够大。达到一定规模后，继续标注相同场景不会再提高精度，限制因素变成了数据多样性。这是一个数据筛选问题；继续增加自动标注能力，只会更快地产生冗余标签。