## 标签粒度改变，成本与答案一起改变

## 解释、算例与证据

# P03 · 图片已经很多，答案从哪里来？

在增加数据之前先确认答案粒度。这个问题会在P25以类别、框、像素和实例四种输出再出现。



图内标签与数值：P03 学习表示机制图，状态 1；原始图片；适合当前任务的答案；类别：杯子、书；框：类别 + 位置；轮廓：像素归属；类别定义；标注判断；歧义处理；质量检查；数据量增加，不会自动给出可靠的类别、框和轮廓。

桌面遮挡底图及其对应框、实例轮廓教学标注，显示类别、框和像素归属三种答案。

- 原始图片
- 适合当前任务的答案
- 类别：杯子、书
- 框：类别 + 位置
- 轮廓：像素归属
- 类别定义
- 标注判断
- 歧义处理
- 质量检查
- 数据量增加，不会自动给出可靠的类别、框和轮廓。桌面遮挡底图及其对应框、实例轮廓教学标注，显示类别、框和像素归属三种答案。 [查看对应图解状态](/#/l3-r2-p03/0)[查看完整图解](/course/figures/l3-r2-p03-0.html)

## 课堂讲述

现在把数据量扩大。收集一批图片，和得到一批适合训练的数据，不是一回事。类别需要定义，有歧义的图片需要处理；换成框和细轮廓，人的工作又变了。
所以“我们还有更多图片”并没有自动解决监督来源的问题。对于你们的科研，这个矛盾可能很具体：仪器已经保存了很多观测，但能可靠判定类别、病灶或结构的人并不多。
如果每增加一次训练机会，都必须先请专家给出一个新答案，训练规模就受这条链约束。接下来会出现两种不同的努力：一种是把人的判断组织得更好，另一种是重新设计问题，让已有数据自己提供一部分训练答案。


### 标签预算取决于要回答什么
[独立阅读](/course/blocks/supervision-budget-output-granularity.html)
同一张桌面照片可以有“室内”的整图类别、两个杯子的矩形框、杯体的像素掩码，或“左侧红杯”的语言描述。这些答案并不是一份标签自动细化而来。类别没有给位置，框内还可能有桌面，掩码也没有自动说明哪个杯子是关系句的目标。



因此“有一百万张图”只描述了输入规模；要估计监督供给，还要问标什么、粒度多细、类别如何定义、模糊样本怎样仲裁。粗标签合并不会凭空产生细标签。一个写成“杯子”的样本，不能同时证明其颜色、材质、遮挡边界都标对了。



可以做一个小预算表：假设整图判断每张10秒、框标注30秒、像素检查120秒，则1000张分别需要约2.8、8.3、33.3工时。这是说明粒度成本的**假设算例**，不是行业测速；真实成本还取决于工具、复核和返工。下一页介绍组织人的判断，随后转向从数据本身构造部分训练答案。


## 沿这个问题继续

先用自己的数据估计一种标签的取得与复核成本，再读P4；假设工时只用来比较，不作行业结论。

**出处：**[S2 · 教材与出处](/course/round2-sources.html#S2) · [S7 · 原文](https://www.ycombinator.com/blog/scale)
#### 图示条件与公式约定

本页使用现有桌面遮挡场景及其对应的框/实例教学标注，三者来自相同底图。未把未遮挡版本的标注叠到遮挡版本。框与轮廓不是模型实测。


#### 这条线索的展开与后续阅读

- [同一张图，三种答案需要三种判断](/supplement.html?return=l3-r2-p03/0#/l3-labels/0) 本页说明
- [监督预算不是图像数量｜问题从哪里出现](/supplement.html?return=l3-r2-p03/0#/l3-supervision-budget-problem/0) L03补充阅读
- [监督预算不是图像数量｜核心改动怎样工作](/supplement.html?return=l3-r2-p03/0#/l3-supervision-budget-mechanism/0) L03补充阅读
- [监督预算不是图像数量｜一起算一个完整例子](/supplement.html?return=l3-r2-p03/0#/l3-supervision-budget-example/0) L03补充阅读