图片标注术语表
图片标注的词从计算机视觉、数据运营与无障碍三个领域借来，同一个概念常有三四个叫法。本表为每个术语给出一个可用的定义，并说明它与本站自动生成描述的关系。
词条按英文术语的字母顺序排列，中英文两版顺序一致。每条都刻意写得短：够回答一次搜索或一次 AI 提问，不绕路。
作者：Automatic Image Annotation 编辑团队 · 更新于 2026年11月1日
主动学习
active learning · 主动学习循环
主动学习挑出模型最没把握的样本，优先交给人工复核。标注精力被投在真正改变模型的地方，而不是平均撒在整个数据集上。
在本产品中 — 本站的批量复核是同一个思路：你只检查要发布的描述，不必检查生成它的每一个像素。
AI 标注
ai annotation · 模型辅助标注
AI 标注指由模型执行或辅助执行的标注，既包括写描述的视觉语言模型，也包括画框的检测模型，通常都会搭配人工复核。
在本产品中 — 本站的每一段描述都是 AI 标注：模型写文案，你决定是否发布。
替代文本（alt text）
alt text · alt 属性
替代文本是写在图片 alt 属性里的简短描述。读屏软件会朗读它，图片加载失败时浏览器会显示它，是页面「可访问」的最低要求。
在本产品中 — 替代文本是本工具为每张图片输出的三项结果之一，另外两项是图注与描述。
标注流水线
annotation pipeline · 标注流程
标注流水线是从原始数据到复核完成的标签的全过程：入库、预标注、人工复核、质检、导出。不同流水线的差别主要在保留多少人工环节。
在本产品中 — 这里的流水线刻意很短——上传、生成、复核、复制或导出——因为产出是页面文案而不是训练数据。
标注工具
annotation tool · 打标工具
标注工具是创建或复核标签的界面。数据集工具提供框、多边形、蒙版编辑器；内容工具提供文案输入框。两者很少是同一个产品。
在本产品中 — 本站属于内容团队用的那种标注工具：你审的是文字，不用画框。
自动标注（auto annotation）
auto annotation · 自动预标注
自动标注是最常见的预标注做法：模型先给出标签，再由人工修正。它降低了构建数据集的成本，但没有取消复核者。
在本产品中 — 本站的自动标注指模型起草替代文本、图注与描述，复核这一步由你完成。
自动图片标注
automatic image annotation · 自动化图片标注
自动图片标注是用模型（而不是人工）为图片生成描述、标签或图注的过程。按数据集不同，输出可以是自由文本、固定标签集，也可以是边界框坐标。
在本产品中 — 这正是本产品做的事：上传一张图片，得到可以复制或导出的替代文本、图注与展签。
自动打标
automatic labeling · 自动化打标
自动打标指不依赖人工输入生成标签。实践中通常是模型辅助打标：预测结果要经过接受、修正或驳回，才会被采信。
在本产品中 — 描述由模型自动生成，然后在工作台里复核，再由你决定是否发布。
边界框
bounding box · bbox · 检测框
边界框是框住目标的矩形，通常存为 x、y、宽、高或两个角点坐标。它是 COCO、YOLO 等目标检测数据集的标准输出格式。
在本产品中 — 边界框属于数据集产物，不是页面文案。本工具写文字描述，因此刻意不画框。
数据标注
data annotation · 数据集标注
数据标注是为训练数据打标签的统称，覆盖图片、文本、音频与视频。在计算机视觉里，它包括分类、目标检测与分割。
在本产品中 — 本工具产出的是可发布的文案而不是训练标签，但底层对图片的理解是相通的。
数据打标
data labeling · 数据集打标
数据打标常与数据标注混用，尤其在机器学习运维语境中，特指为监督模型产出真值的那一步。
在本产品中 — 需要带标签的训练数据，应当选数据集平台；需要页面描述，才是这个工具负责的部分。
真值
ground truth · 基准标签
真值是经过人工核验的参考数据，模型的预测结果以它为准来评分。真值的质量决定了准确率的天花板——再好的模型也只能对到答案键的水平。
在本产品中 — 对要发布的文案来说，复核者就是真值：你的修改是最终答案，不是模型的草稿。
人在回路
human-in-the-loop · HITL · 人工复核
人在回路指在流程中保留人工环节，在机器输出被发布或用作训练数据之前，由人复核、修正或批准。当全自动风险过高时，这是常见的折中。
在本产品中 — 每份结果都能在工作台与历史记录里继续编辑，最终文本始终由人确认。
图片标注
image annotation · 图像标注 · 图片打标
图片标注是给图片附加信息的动作：类别标签、图注、边界框或分割蒙版。它是「把像素变成文字或结构化标签」这类任务的统称。
在本产品中 — 本站覆盖图片标注里的文字分支：替代文本、图注与描述。
图片图注
image caption · 图注
图片图注是描述图片的一句话，出现在照片下方、CMS 字段与社媒文案里。它通常比替代文本更长、更有上下文，也可以带语气。
在本产品中 — 图注是每次生成的三项输出之一，面向页面上可见的文案，而不是 alt 属性。
图片描述
image description · 长描述
图片描述是更长、更有结构的说明，涵盖主体、动作、画面中的文字与上下文。它是标注系统最完整的文字产物。
在本产品中 — 描述是三项输出中篇幅最长的一项，最适合放进 CMS 的正文字段。
图片打标
image labeling · image labelling · 图片标签
图片打标给图片分配一个或多个预定义标签，通常用于分类。与写描述不同，它的输出是固定词表而不是自由文本，因此便于统计、筛选与比较。
在本产品中 — 标签回答的是分类问题，自由文本回答的是表达问题。页面需要句子，所以本工具输出自由文本。
多边形标注
polygon annotation · 多边形蒙版
多边形标注用一组闭合点勾勒目标轮廓。对不规则形状而言，它比边界框更精确，在分割数据集里很常见。
在本产品中 — 对文字输出不适用：一段话没有轮廓可勾。
语义分割
semantic segmentation · 分割蒙版
语义分割为每个像素分配类别，产出的是按类别划分的蒙版，而不是按目标划分的框。实例分割更进一步，会把同类中的不同目标分开。
在本产品中 — 分割是数据集任务。实际联系在于：好的分割模型常常就是描述类工具背后理解图片的能力来源。
弱监督
weak supervision · 弱监督学习
弱监督用噪声较大的间接来源构建训练标签，比如启发式规则、已有元数据或模型预测，而不是逐条人工标注。它用标签精度换数据规模。
在本产品中 — 描述完全由图片本身生成，不依赖外部元数据，因此不会继承弱标签的偏差。
继续阅读
两篇比定义更深入的对比文章。
把定义变成结果
上传一张图片，一次生成替代文本、图注与描述。