脏标签会直接拖垮出图质量，可训练前清标签这一步偏偏最容易被跳过。我以前给评估集、训练集清标签全靠一堆零散脚本，乱糟糟的，干脆整合成了一个标签复核队列，塞进自己那套自托管的图库工具里。
流程是这样的：
- 先跑自动打标。
- 把疑似有问题的图挑出来排成一队，主要是畸形的手、烂掉的牙、诡异的解剖结构这几类。
- 我一张张过，没问题就确认，有问题当场改标。
这么搞是为了把问题拦在训练之前，而不是等训练完出图一看不对，才回头发现数据有毛病。
整套开源、自托管，数据攥在自己手里比较踏实。你们训练前怎么筛数据的，也欢迎贴出来对比。
