1.3 场景决定验收标准

1.3 场景决定验收标准

本节摘要：图像分割的应用从医学影像、自动驾驶、遥感、工业检测到视频监控与抠图，表面都是「给像素贴标签」，验收却完全不同。场景决定类别表、错误代价和该看哪几个数字。动手前把成功标准写成可抽检的条目，模型才不会刷到无用的高分。

你能学到什么

阅读完本节，你应当能够：

1. 为医学、驾驶、遥感、质检各写三类：类别、最不能犯的错、推荐指标
2. 解释像素准确率在类别极不平衡时为何不能当唯一门槛
3. 把「漏检代价」和「误检代价」写进标注规范的优先级
4. 拒绝用公开论文榜的绝对数字当自己产线的及格线

一、同一把刀，不同的伤

手术画线：肝切除要的是血管和肿瘤边界，切多了伤正常组织，切少了留病灶。漏掉肿瘤像素的代价远高于多画一点边缘。驾驶则相反：把路沿画进可行驶区域，车会往牙子上爬；把路画窄一点，最多保守减速。遥感里一块田错成林，统计面积就漂。质检里漏掉裂纹是出厂事故，把油污当裂纹是产线误停。

所以「把分割做好」没有统一含义。第 1.1 节的四条合法性只保证掩码结构对，不保证业务对。本节把应用从原文的清单翻成验收语言。

二、医学：轮廓与体积比好看更重要

CT、磁共振、超声上的器官、病灶、细胞。器官分割服务放疗勾画和体积随访；肿瘤分割服务手术规划；细胞分割服务计数和形态。标注往往由医生或经过训练的技师完成，边界在部分容积效应下本身就模糊，所以「像素级完全一致」不现实。更合理的门槛是：体积误差可接受、关键解剖结构不能穿到另一类。

指标上 Dice 对重叠敏感，适合前景小的病灶。平均交并比适合多器官。像素准确率几乎无用，因为背景是黑乎乎的一大片。后处理常禁止出现「肝脏里突然冒出一块肺」这种解剖不可能，这是规则，不是网络自己能学全的。

细胞场景还常要实例：两核紧贴必须切开，否则计数翻倍或减半。这时第 1.2 节的实例约束是刚需，语义加开运算不够。

三、驾驶与遥感：铺满、稳定、可规划

车载摄像头要道路、车辆、行人、可通行区域。规划器吃的是区域，不是漂亮的彩图。夜间、雨雾、阴影会让颜色谓词失效，所以传统阈值在这里很快退役，但形态学仍常用来填可行驶区域的小洞——车不能在掩码的麻子上做决策。验收看少数类（行人）的召回，以及时序上是否抖动。单帧 mIoU 高但每帧边界跳，控制会抖。

遥感要土地利用、植被、水体、建筑。类别按政策口径定义，「建设用地」含不含道路要在规范里写死。多光谱时，近红外对植被的帮助比换网络更大。面积统计用的是像素计数乘地面分辨率，系统误差来自边界偏厚。评估要分地类看，不要只看总体准确率——荒地很大，模型全预测荒地也能刷分。

四、工业与监控：漏检是事故

表面划痕、裂纹、气孔、尺寸。光源可控时，第 3 章的阈值和形态学经常就是产线方案。深度学习出场，是因为纹理复杂、缺陷种类靠规则写不完。验收必须按缺陷等级：致命缺陷召回近于不能漏，外观瑕疵允许一定误报。把所有缺陷当一类训练，模型会把「明显裂纹」学得很好、把浅划痕当背景——因为浅划痕在损失里权重不够。

视频监控要目标与行为。分割在这里常是跟踪的输入，实时性硬约束。用过重的全景模型抢毫秒，不如实例加跟踪。异常事件检测更关心「有没有不该出现的区域」，对边界平滑度不敏感。

图像编辑与抠图要的是前景边缘的半透明和头发丝。这已经接近抠图专用指标，普通 mIoU 对发丝几乎无感。若产品是换背景，请把边缘带宽和三元图（确定前景、确定背景、不确定带）写进任务，不要用街景语义那套类别图交差。

⚠️ 常见坑：把公开数据集榜首的交并比抄进合同。采集、类别、分辨率不同，那个数字不可迁移。
💡 关键直觉：先写「错了会怎样」，再选指标。指标是伤害的代理，不是目标本身。

五、动手：写一页验收卡

不要做复杂系统。打开文档写四格：场景一句话、类别表、漏检与误检谁更贵、上线门槛用哪个公式。下面是质检裂纹的例子，数字是占位，换成你的产线口径。

场景：金属件侧光图，分割裂纹
类别：0 背景  1 裂纹
漏检更贵：出厂事故
门槛：验证集裂纹 Dice 不低于双方约定；致命裂纹召回单独列表
禁止：只用像素准确率签字
抽检：每周 20 张，两人独立标，争议进忽略区
​

原文还列了精确率、召回率、F1。它们在缺陷当「像素级二类」时有用，但要声明是按像素还是按缺陷条数。按像素会让长裂纹 Dominate；按条数要先连通域，又回到实例问题。声明写在评估脚本注释里，比写在汇报 PPT 里更重要。

图 伤害驱动的尺子

六、把公开集口径挡在门外

用公开集打通管线时，它的指标可以当「脚本是否算对」的探针：你复现的 mIoU 计算若在公开划分上离谱，优先查自己的空类处理，而不是查网络。但不要把公开集上的绝对分数写进产品验收。类别定义、分辨率、采集偏差都会让分数不可迁移。原文列了医学、驾驶、遥感、工业、监控等方向，每个方向内部还有子口径：同样叫肿瘤分割，增强造影与平扫的边界难度完全不同。

验收卡要有抽检节奏。模型迭代再快，每周固定抽若干张两人独立标，争议进忽略。忽略比例若持续升高，说明规范在腐烂，应停训开会，而不是加数据硬训。忽略是合法工具，不是垃圾箱——垃圾箱会让有效监督越来越少，Dice 在有效像素上虚高、在现场变差。

问题：速度算不算验收？

算。规划器 10 赫兹要结果，分割 2 赫兹就是不可用，哪怕 mIoU 更高。把延迟写进同一页卡，和重叠指标并列。嵌入式上可能因此选传统方法或浅 U-Net，而不是最新的注意力编码器。

问题：多人标注不一致谁说了算？

规范说了算，规范不清则专家仲裁后回写规范。不要用「取并集」或「取交集」偷偷当第三套真值还不记录。并集会变胖，交集会变瘦，体积类产品会被这两种规则直接拉动。

写完验收卡，请一位没参加讨论的同事只凭这页纸标一张图。标法和你想的不一样，说明卡片还不能进第 2 章。这是本章最便宜的失败，也是后面最贵的失败的预防针。

七、把伤害写成权重初值

第 4.3 节的类别权重不该拍脑袋。本章验收卡上的「漏检更贵」直接翻译成致命类权重大于外观类。医学病灶权重大于背景，行人权重大于路面，裂纹权重大于油污。统计频率的倒数只是初值，伤害才是方向。两者冲突时听伤害。把这句话写进验收卡脚注，防止有人用「数据里路面多所以路面权重大」把模型推向多数类。

时序产品加一列抖动：相邻帧可行驶区域的对称差。单帧 mIoU 高但对称差大，控制会抖。这一列没有公开榜可抄，必须自建。遥感加一列面积偏差，按地面分辨率把像素差换成平方米，和业务报表单位对齐。单位不对齐，客户会认为你在用另一个世界的数字交差。

抽检节奏写成日历而不是「有空就看」。每周固定张数、固定两人、争议进忽略、忽略比例阈值触发停训开会。停训是能力，不是丢脸。忽略比例持续升高说明法律在腐烂，加数据救不了。把日历贴到和损失曲线同一块板上，避免只盯曲线不盯人。

伤害脚注进类别权重表。时序对称差、遥感平方米、质检条级，哪一列进合同哪一列就要进黄金图。抽检日历与损失曲线同板。忽略比例触发停训的阈值写数字，不要写「太高了再说」。未参会同事只凭卡片能标对，本章才放行到第 2 章。

权重表脚注引用验收卡日期。黄金图列与合同列一一对应，多出来的列只监控不签字。抽检日历的停训阈值是数字。未参会同事标不对就改卡，不改人。卡片放行记录进第 2 章数据版本的依赖项：没有放行记录，不准扩标注。伤害驱动到此才闭环。

伤害函数决定抽检停训阈值，不决定合法性四条。医学漏掉器官比多标一圈背景更贵，驾驶把障碍涂成路面比把护栏涂粗更贵，质检把致命缺陷当外观瑕疵更贵。把这三句改成你自己场景的钱和责任人，写进卡片脚注。黄金图列只签合同列，监控列可以多，但不得拿监控列的好看数字去替代合同列签字。未参会同事用卡片标不对，改卡不改人。

核心回顾

• 场景改的是代价不是定义：合法性四条通用，伤害函数不通用
• 医学看重叠与解剖约束：背景很大，别用像素准确率过关
• 驾驶看少数类与抖动：规划器怕把障碍当路面
• 遥感看分类面积：多数类会掩盖错误地类
• 质检按缺陷等级召回：致命与外观不可混成一类刷分
• 验收卡一页纸：类别、伤害、公式、抽检，写完再标注

下一章进入标注与数据管线：像素怎么存、掩码怎么编码，这是后面所有代码的契约。