第一批训练图只有几百张，分级花的时间比想的长

最近在整理 Smart Photo 的训练图片。有水印、尺寸不统一、背景杂乱，这几项好说，写进清洗规范就能开始处理。轮到哪些图优先留，话就没那么容易说清了。

我负责定规范，跟一两个运营同事一起准备数据，再交给算法同事使用。原先更期待后面的生成效果，想着图片准备好，就能看训练能做出什么。结果准备这一步也有不少要讨论的。“挑质量好的”，说了跟没说差不多，接手的人还是不知道我要哪一种。

我们要做商品图，判断输入时就得带着这个用途。一张图很有氛围，商品只占一点，细节还被挡住，它在别的地方可能合适，但未必是这次该优先留的。反过来，一张普普通通、商品交代得很清楚的图，也没必要因为不惊艳就排掉。说到底，我需要解释的是这张图能帮上什么忙。单论漂亮不漂亮，很容易变成各自的审美判断。

图从商品图库里来

这几百张，主要来自公司的商品图库。

图库里的图不少，可它们本来是为了上架准备的，不是为了训练。同一件商品，可能有主图、细节图、场景图，有的加了促销信息，有的带着水印。用来卖货没问题，拿来训练，就得一张张重新看。

所以说是几百张，其实是从更多的图里挑出来的。挑的过程，才是这三四周主要花掉的时间。

我们做了 A、B 分级：A 级是商品完整清晰、没有水印、背景干净的，优先用；B 级是商品完整，但背景杂或者有遮挡，作为补充。分两类不费事，费事的是遇到一张拿不准的图，能不能说出为什么。

如果运营理解的好，和算法准备拿来训练的好不是一回事，最后数据整理完可能还要再来一遍。我得把商品展示的要求讲清楚，也得听算法那边对输入的要求。业务上觉得应该保留的信息，怎么处理才适合训练，不是我单方面能定的。

最怕的是规范看着完整，用的时候还要猜。遇到不确定的，先留出来讨论，比硬分到某一类好。也可以借这些图看看，是图片本身不合适，还是我写的标准太泛。前一种要换图，后一种得改说法，不能最后都算成执行的人没选好。

A 级优先也不表示其他图片以后都没用。它们可能适合补充不同的信息，看后面的需求。

整理时最常拿不准的，是背景半杂不杂的图。

背景很干净的，归 A，没什么好说；背景很乱的，归 B 或者不要，也不难。难的是中间那一截：背景里有一点东西，但不多；有一点场景，但不抢商品。放 A，好像不够干净；放 B，又觉得可惜。

这类图还不少。商品图库里的图，很少是纯白底，也很少乱到不能看，不少就落在这一截里。

规范后来改过一两次，改的多半就是这一截怎么算。原来那句背景干净，回答不了半杂不杂的图，只能一次次补。

统一尺寸很容易写成一个宽和高，但图片缩放、裁切以后还剩什么，需要接着看。规格满足了，商品边缘却被裁掉，这一步显然没做对。检查时得想到这种情况，不能只验文件属性。

背景也不是越干净越好。哪些是想保留的场景信息，哪些会干扰这次任务，得先有判断。否则一律清掉很省事，原本有用的东西也可能一起丢了。清洗会改变图片，处理过并不天然比没处理过更好。

这些细节写进规范，是想让大家不用反复从头判断。可规范本身也要拿结果来看。水印、尺寸、背景都处理了，主体的细节有没有受影响？只按步骤勾选完成，这些会漏在外面。

我希望运营同事碰到模糊的地方可以指出来。不是每张都要回来问，也不是所有情况都必须在现成规则里找到答案。有些问题只有真的整理到那张图时才会显出来，硬装成规范已经写全了，后面只会更麻烦。想想自己写需求也有这个毛病：说明放在那里，就默认别人按它能做下去。其实有时只是我知道自己省略了什么，接手的人不知道。

有些图分到最后也没有定论，就单独放着，等规范下一次改的时候再拿出来看。

三四周里，真正分级的时间没那么多。更多时间花在拿不准的图上：挑出来，放一边，攒到一批，拿去讨论，讨论完改规范，再按新规范把前面分过的图过一遍。

规范改一次，前面分过的就要重看一部分。改过一两次，这部分时间就叠了上去。

回头看，这不算浪费。前面几轮拿不准的图，正是把规范磨清楚的材料。

数量是最容易看见的进度。第一批整理出来只有几百张，已经整理了多少，还差多少，训练能不能接着往下走，大家都关心。我也想早点准备好，看后面的效果。

但补数量的时候，还是想多看一眼补进来的是什么。有多少相似的图，商品类型是不是偏在一边，跟以后实际要做的东西差多远，这些在总数里看不出来。图片多一点可能有帮助，只是不能把增加的每一张都当成同样有用。

分级以后也不能就此放手。后面的结果有问题，还得回来看输入；当然也可能是模型或使用方式的原因。现在还没到能把这些因果都说清楚的时候。

这批工作让我有点改观。以前把数据准备当作模型开跑前必须做完的一项任务，现在看，它已经包含了产品的要求。要表现什么商品，哪些细节值得保留，哪些图适合先用，都在这里作决定。

还是想快点看到出图的效果，这个没变。只是下次说“图片准备好了”，除了一个数量，我想能拿出优先用的那批，以及暂时没想好怎么处理的那些。后者也别混过去。