信心

如何确定信心

置信度分数通常来自神经网络 (NN) 的输出层。对于分类任务而言，这通常涉及对原始输出（对数）应用Softmax或Sigmoid等激活函数，为每个类别生成类似概率的值。在像YOLO 这样的物体检测模型中，置信度分数可能会将物体出现在提议的边界框中的概率（通常称为 "物体性分数"）和该物体属于特定类别的概率（以物体出现为条件）结合起来。这是推理过程中用于评估检测有效性的关键输出结果。该分数是根据从COCO 等数据集学习到的模型权重计算得出的。

信心阈值

在实践中，并非所有模型的预测都同样有用或可靠。置信度极低的预测通常代表背景噪音或不确定的分类。为了过滤掉这些预测，通常会使用一个 "置信度阈值"。这是一个用户定义的值（如 0.5 或 50%）；只有置信度高于该阈值的预测才被视为有效输出。设置适当的阈值至关重要，通常取决于具体的应用：

• 高召回率场景：在用于筛查的医学图像分析等应用中，最初可能会使用较低的阈值，以尽量减少遗漏潜在发现（高召回率）的机会，即使这意味着需要人工审核的误报率更高。医疗保健领域的人工智能通常需要仔细调整阈值。
• 高精度场景：在自动驾驶或人工智能制造的质量控制等应用中，更倾向于采用较高的阈值，以确保仅根据高度确定的预测（高精度）采取行动，从而降低出错风险。人工智能安全研究强调稳健决策。

置信度阈值通常与非最大值抑制（NMS）等技术结合使用，通过删除同一对象的重叠边界框来完善最终的检测集。在使用Ultralytics 模型时，您可以通过命令行界面 (CLI)或Python API 轻松配置该阈值。寻找最佳阈值可能需要调整超参数。

实际应用

信心分数是负责任地有效部署人工智能模型的基础：

1. 医疗诊断支持：在分析医疗扫描（如 X 射线或核磁共振成像）以发现潜在异常（如肿瘤检测）的系统中，置信度得分有助于确定病例的优先级。置信度低的预测可能表示有一个模棱两可的发现，需要放射科医生进行更仔细的检查，而置信度高的预测则可以简化审查过程。放射学人工智能研究经常讨论置信度。
2. 自主系统：对于自动驾驶汽车或机器人而言，置信度对安全至关重要。对行人或其他车辆的检测（了解 Waymo 的做法）必须达到较高的置信度阈值，系统才会启动刹车或转向等操作。低置信度检测可能会被忽略或触发不那么重要的警报。这确保了系统只有在确定的情况下才会果断采取行动。

信心与其他指标

重要的是，不要混淆单个预测的置信度得分和整体模型评估指标。虽然两者相关，但它们衡量的是不同方面的性能：

• 准确性:衡量整个数据集中正确预测的总体百分比。它提供了模型性能的总体感知，但并不反映单个预测的确定性。一个模型可能有很高的准确率，但仍然会做出一些置信度较低的预测。
• 精确度:表示实际正确的阳性预测比例（真阳性/（真阳性 + 假阳性））。高精度意味着误报较少。置信度反映了模型对其预测的信心，可能与正确性一致，也可能不一致。
• 召回(灵敏度）：衡量模型正确识别的实际阳性实例的比例（真阳性/（真阳性 + 假阴性））。召回率高意味着漏检较少。可信度与发现的实际阳性数量没有直接关系。
• F1 评分:精确度和召回率的调和平均值，是平衡两者的单一指标。置信度仍然是预测级别的分数。
• 平均精度 (mAP):物体检测中的常用指标，用于总结不同置信度阈值和类别的精度-召回曲线。虽然 mAP 计算涉及置信度阈值，但置信度分数本身适用于每个单独的检测。
• 校准：指置信度得分与实际正确概率的吻合程度。一个校准良好的模型，其置信度为 80% 的预测应该在大约 80% 的情况下是正确的。模型的置信度得分本身并不总是校准良好的（参见有关校准的研究）。

总之，置信度是评估单个人工智能预测确定性的重要输出结果，可以在实际应用中更好地进行筛选、优先排序和决策。它与评估模型整体性能的指标（如Ultralytics HUB 中跟踪的指标）互为补充，但又有所不同。