视觉检测中的标注类型主要包括以下几种：
1. 语义分割：根据物体的属性，对复杂不规则图片进行区域划分，并标注对应属性，以帮助训练图像识别模型。这种方法常用于自动驾驶、人机交互、虚拟现实等领域。
2. 矩形框标注（边界框）：又叫拉框标注，是应用最广泛的一种图像标注方法。它以一种简单、便捷的方式在图像或视频数据中迅速框定指定目标对象，几乎可以应用于任何目标，并能大幅提升目标检测系统的准确度。
3. 多边形标注：在静态图片中，使用多边形框标注出不规则的目标物体。与矩形框标注相比，多边形标注能更精准地框定目标，对于不规则物体更具针对性。
4. 关键点标注：通过人工的方式，在规定位置标注上关键点，如人脸特征点、人体骨骼连接点等，常用来训练面部识别模型以及统计模型。
5. 线标注：创建直线和曲线，主要用于描绘图像的各个部分。当需要标注并划分界限的部分太小或太薄，边界框等方法无法描绘时，便可使用线标注。
6. 三维长方体：与边界框类似，但具有长宽高三维成像，帮助计算机视觉系统在三维空间中学会区分体积和位置等特征。
7. 实例分割：图像分割的一种子类型，它在像素级别上标识图像中每个物体的每个实例。
8. 目标检测标注：支持人物ID追踪、视频轨迹追踪，截取视频关键帧，对连续画面中出现的同一目标标注相同的id，从而记录目标轨迹的变化。
这些标注类型在视觉检测中各有其应用场景和优势，可以根据具体需求选择合适的标注类型。
