从海量素材中，找到值得再学一遍的样本。
把现场媒体转为有目标的样本候选，结合条件筛选、视频抽帧与困难样本选择，减少逐帧浏览，持续补充研发数据。
查看重点 · 从海量素材中，找到值得再学一遍的样本。
- 条件筛选
- 视频抽帧
- 困难样本
01 / 围绕业务问题选样
先确定要改进的场景，再选择数据。
按媒体、标签、视角或时间限定候选范围，关联目标数据集与标注规则，让选样围绕具体任务展开。
查看重点 · 先确定要改进的场景，再选择数据。
- 范围清晰
- 目标数据集
- 标注衔接
筛选条件以当前规则支持的组合为准。
02 / 困难样本回流
把模型不确定、意见不一致的地方交给人。
根据受支持的模型差异、类别或定位差异、低置信度选出候选，并可对双方均未发现目标的样本少量随机采样，兼顾潜在漏检与背景覆盖。
查看重点 · 把模型不确定、意见不一致的地方交给人。
- 低置信度
- 差异候选
- 背景采样
候选仍需人工复核与标注；筛选结果不是正确标签。
03 / 从候选到下一轮数据
让新增样本有序进入版本，而不是散落在文件夹。
视频按时间区间和间隔抽帧；新增同源视频帧保持统一分区，结果进入数据集草稿，衔接标注、审核与下一轮封版。
查看重点 · 让新增样本有序进入版本，而不是散落在文件夹。
- 抽帧策略
- 来源保留
- 增量标注
同源新增帧的分区约束不能替代完整的数据泄漏检查。