先把数据管好，再谈模型效果。
从业务素材收集到标注审核，保留每一轮训练数据的来源。
- 来源
- 样本
- 数据集
01 / 筛选样本
相似的少重复，难判断的交给人。
按条件筛选与视频抽帧，把疑难样本整理进数据集草稿。
查看重点 · 筛选阶段、目标数据集、模型关系与历史异常。
- 筛选
- 抽帧
- 疑难样本
图中展示运行状态与历史异常记录；候选样本仍需人工判断，不能直接作为正确标签。
02 / 标注审核
标注完成，还要有人审核。
组织标注任务与人工返工，核对标签、标注内容和结果包。
查看重点 · 标注任务的审核与返工信息。
- 标注
- 审核
- 返工
任务完成不等同于整包校验通过。
03 / 数据封版
这一轮用什么数据，固定成一个版本。
冻结样本、分区、标签与标注结果，让训练和评估引用同一份依据。
- 样本
- 分区
- 标签
训练、验证与测试分区需检查重复和数据泄漏。
04 / 迭代交接
下一轮继续改，也找得到上一轮。
保留来源映射和版本关系，交接数据、训练与效果依据。
- 来源
- 版本
- 迭代记录