标注常见问题
这一页汇总 VortLab 标注工作台、图片级审核、批次管理相关的高频问题。每个问题给出排查方向和操作入口。
标注工作台打不开
按以下顺序排查：
- 检查弹窗拦截：标注工作台是以新窗口 / 标签页形式打开的。如果浏览器开了严格的弹窗拦截，会被拦掉。检查浏览器地址栏右边的拦截提示，允许当前站点弹窗。
- 手动在新标签页打开：在工作台入口按钮上点鼠标中键（或右键 → 在新标签页打开），手动触发新标签页。
- 检查 URL 是否被截断：工作台 URL 里包含项目 ID 和图片 ID 参数，被防火墙或浏览器插件改写时会失效。试试复制完整 URL 到新标签页。
- 检查账号权限：没有标注权限的账号无法进入工作台。请联系项目管理员确认你的角色。
详见标注工作台总览。
AI 标注结果不准
两条路：
- 调低置信度阈值后重跑：AI 标注默认有置信度阈值过滤，阈值太高会漏检。在 AI 标注弹窗里把置信度调低（比如从 0.5 调到 0.25），重新对选中图片跑一遍 AI 标注，会得到更多预测框，再人工筛选。
- 人工修正后重新提交：AI 标完之后切到标注工作台，逐张修正错误的框 / 多边形，然后图片自动进入待审核队列。修改后的标注会覆盖 AI 的原始结果。
模型本身能力不够时，调阈值改善有限，建议先用足够多的数据训练一个更好的模型。详见AI 辅助标注。
标注批次可以删除吗
可以删除。
- 进行中的批次：在批次详情页的「更多操作」菜单里点「删除」，确认后批次和内部所有图片都会被清除。
- 已归档（已导入数据集）的批次：可以删，删除不影响已导入数据集的数据。导入操作是把图片和标注真实写到了数据集目录，删除原批次只是清掉批次的引用和批次目录里的临时文件，数据集里已经存在的副本不受影响。
删除操作不可恢复，没有回收站。删除前确认批次里的标注结果已经按需要导入数据集，否则一旦删除就来不及了。
详见批次详情页。
反例标记有什么用
反例标记是明确告诉训练流程「这张图里确定没有目标」。
为什么需要：有些图里根本没有目标。把这种图当成普通未标注图扔给模型训练，反而会让模型困惑，分不清「什么是有目标、什么是没有」。
怎么标记：在「图片网格」里勾选一张或多张没有目标的图，在底部浮出的操作条里点「标记反例」。系统会创建一个空的标签文件（0 字节），图片状态变为「反例」，在筛选 Tab 里独立计数显示。
效果：训练时模型在背景区域的判别力会更强，减少误检（false positive）。
取消：标错了能改回来。切到「反例」筛选 Tab，选中图片后按钮文案变成「取消反例」。点它图片回到未标注状态。详见图片级审核。
审核视图图片太小看不清
按住 Ctrl 滚动鼠标滚轮，在 1x 到 5x 之间无级缩放。
- 放大后左下角会出现「重置」按钮，点一下回到 1x。
- 右上角的眼睛图标可以临时隐藏标注层，对比原图判断 AI 标得准不准。
- 底部操作条不会被缩放影响，始终贴在视口底部。
详见图片级审核。
批量操作最多选多少张
分两种情况：
- 批量审核 / 退回 / 删除 / 反例标记：无上限，可以选当前页或全选（最多 10000 张过滤后的图），一次操作全部处理。
- AI 预标注：单次最多 200 张。如果你选的图超过 200 张，AI 预标注按钮会显示警告 + 按钮文案变成
开始预标注 (200/N)，执行时会自动slice(0, 200)，只跑前 200 张。剩下的需要分批处理。
原因是 AI 预标注要调用推理服务，单次任务量太大会超时或耗尽 GPU 资源。批量审核只是改状态字段，无此限制。
详见图片级审核。
退回的图片修改后还要重新审核吗
需要。
退回的图被标注员修改后，自动回到待审核队列，需要重新走审核流程。这是设计如此：修改后的标注是新内容，必须再次确认质量。
完整状态转换：
已退回 → 标注员修改 → 待审核 → 审核员通过 / 再次退回。
另外，即使 AI 标注的置信度高于自动通过线，已退回的图不会被自动通过，必须人工确认。人工判断永远优先于 AI 置信度，防止用同一个模型反复推翻你的决定。
详见标注审核与复核流程。
从数据集直接标注
可以。
数据集详情页的「图片」Tab 提供直接标注入口：
- 进入项目工作区 → 数据集 → 图片 Tab。
- 找到要标注的图，点图片行的「标注」按钮（铅笔图标）。
- 标注工作台以数据集模式打开（URL 参数
source=dataset&dataset_id=...）。 - 在工作台里画的框 / 多边形会直接保存到数据集，不需要走批次审核 / 复核流程。
两种模式有本质区别：
- 数据集模式：标注直接写进数据集工作区，立即可见。适合快速修正或单人项目。
- 批次模式：标注先存在批次里，要走审核 + 复核 + 合并导入才进数据集。适合多人协作 + 质量把关。
如果团队多人协作，建议用批次模式，两层质量把关能显著提升数据质量。
详见数据集图片管理。