Có một câu nói kinh điển trong ngành: "Garbage in, garbage out". Với CV, nguyên liệu quan trọng nhất không phải thuật toán mà là dữ liệu gán nhãn (labeled data). Nhãn sai thì mô hình học sai, và không có kỹ sư nào cứu được.
Gán nhãn là gì?
Gán nhãn (labeling/annotation) là việc con người đánh dấu trên ảnh để dạy máy. Tùy bài toán:
- Classification: gán một nhãn cho cả ảnh.
- Detection: vẽ bounding box và ghi tên vật thể.
- Segmentation: tô từng pixel — tốn công nhất.
Bốn trụ cột của chất lượng nhãn
- Tính chính xác (accuracy): box có ôm sát vật thể không, nhãn có đúng lớp không.
- Tính nhất quán (consistency): hai người khác nhau gán cùng một ảnh có ra kết quả giống nhau không? Đây là chỉ số inter-annotator agreement — nếu thấp nghĩa là hướng dẫn (guideline) của bạn mơ hồ.
- Tính đầy đủ (completeness): có bỏ sót vật thể nào không? Bỏ sót dạy mô hình rằng "không có gì ở đó", cực kỳ nguy hiểm.
- Tính đại diện (representativeness): dữ liệu có đủ các tình huống thực tế (ngày/đêm, mưa/nắng, các sắc tộc, các loại sản phẩm) không?
Guideline gán nhãn — sản phẩm thật sự của PM
PM CV không tự tay vẽ box, nhưng phải viết guideline gán nhãn rõ đến mức không gây tranh cãi. Ví dụ với bài toán "đếm người":
- Người bị che 70% có tính không?
- Ảnh phản chiếu trong gương có tính không?
- Ma-nơ-canh có tính là người không?
- Người ở rất xa, chỉ vài pixel, có gán không?
Khung QA gán nhãn
- Gold set: một tập ảnh đã được chuyên gia gán chuẩn, trộn ngẫu nhiên vào công việc để đo độ chính xác của từng annotator.
- Double labeling: cho hai người gán cùng ảnh, đo mức đồng thuận, phần khác nhau đưa lên trọng tài (adjudication).
- Spot check: PM/QA kiểm ngẫu nhiên 5–10% sản lượng mỗi ngày.
- Vòng phản hồi: lỗi lặp lại → cập nhật guideline, không chỉ sửa từng ảnh.
Ví dụ thực tế: nhãn lỗi hàng loạt
Một đội làm mô hình phát hiện vết nứt trên bê tông. Ban đầu accuracy rất cao trên tập test nhưng ra công trường lại tệ. Điều tra ra: annotator chỉ khoanh vết nứt lớn, bỏ vết nứt nhỏ vì "nhìn không rõ". Mô hình học được rằng vết nhỏ = không có lỗi. Đây là lỗi completeness, và nó bắt nguồn từ guideline không quy định ngưỡng kích thước tối thiểu.
Class imbalance (mất cân bằng lớp)
Nếu 98% ảnh là "bình thường" và 2% là "lỗi", mô hình có thể đạt 98% accuracy chỉ bằng cách luôn đoán "bình thường" — vô dụng. PM phải chủ động thu thập thêm ca hiếm hoặc dùng kỹ thuật cân bằng, và tuyệt đối không đánh giá bằng accuracy đơn thuần (xem Bài 5).
Checklist chất lượng nhãn
- [ ] Đã có guideline kèm gallery edge case chưa?
- [ ] Có gold set để đo từng annotator không?
- [ ] Đo inter-annotator agreement định kỳ chưa?
- [ ] Dữ liệu có đại diện đủ điều kiện thực tế không?
- [ ] Các lớp hiếm có được thu thập đủ không?
Sai lầm thường gặp
- Khoán trắng cho nhà cung cấp gán nhãn mà không có gold set kiểm tra.
- Viết guideline chung chung ("gán tất cả người") rồi ngạc nhiên vì kết quả không nhất quán.
- Chạy theo số lượng nhãn thay vì chất lượng — 10.000 nhãn bẩn tệ hơn 2.000 nhãn sạch.
- Sửa lỗi lẻ tẻ thay vì tìm nguyên nhân gốc trong guideline.