Confidence

置信度分数是模型附加到预测结果上的一个 0 到 1 之间的数值，用来表示该预测正确的可能性。分类器会为每个类别标签附加置信度分数；目标检测模型会为每个边界框附加置信度分数，表示一个更具体的问题：这个边界框中包含该类别对象的可能性有多大？应用会利用置信度决定保留哪些预测、按什么顺序排序，以及哪些预测需要交由人工审核。

模型如何生成置信度#

置信度来自网络的最后一层。单标签分类器会将原始输出（称为 logits）输入 softmax，使各类别分数之和为 1，并报告最高分。检测器通常会分别对每个类别应用 sigmoid，因此一个边界框对两个相关类别都可能得分较高，而且各分数之和不一定为 1。带有单独 objectness 输出的检测器（例如 YOLOv5）会将其与类别概率相乘。许多无锚框检测器（包括较新的 YOLO 模型）会省去 objectness，并将最高类别分数用作边界框的置信度。

置信度阈值#

置信度阈值将分数转化为决策：高于阈值的预测会被保留，其余则会被丢弃。提高阈值会减少误报并提高精确率。降低阈值则能找回微弱、小尺寸或部分被遮挡的目标，并提高召回率，代价是误报会增多。F1 分数曲线达到峰值时对应的阈值能平衡这两者。YOLO26默认会在预测时保留得分高于 0.25 的框，而验证会将阈值降至 0.001，使其精确率-召回率曲线覆盖几乎所有可能的工作点。

from ultralytics import YOLO

# Load a pretrained YOLO26 nano detector
model = YOLO("yolo26n.pt")
image = "https://ultralytics.com/images/bus.jpg"

# Run the same image at a low and a high confidence threshold
for threshold in (0.1, 0.6):
    results = model(image, conf=threshold)
    scores = results[0].boxes.conf.tolist()
    print(f"conf={threshold}: {len(scores)} boxes, scores {[round(s, 2) for s in scores]}")

0.1 阈值的运行结果会包含 0.6 阈值运行结果中的所有框，以及任何得分更低的候选框，因此提高阈值只会移除检测结果，并且会从置信度最低的结果开始移除。

在应用中使用置信度#

许多系统会使用两个阈值。低于低阈值的预测会被丢弃，高于高阈值的预测会触发自动操作，而介于两者之间的结果则交由人工、第二个模型或另一个传感器处理。医学筛查工具可以立即标记高置信度的发现，并将不确定的结果排入队列，交由放射科医生处理；而主动学习循环会将不确定区间的样本发送给标注人员，这种策略称为不确定性采样。

置信度与校准#

只有模型经过校准时，0.9 分数才可以作为可用概率；这意味着在所有得分为 0.9 的预测中，约有 90% 是正确的。现代深度网络往往会过度自信，给出的分数高于实际命中率。温度缩放会用在留出数据上拟合的单个常数除以 logits，从而校正其中大部分偏差；scikit-learn 的校准工具则会拟合 Platt（sigmoid）或保序映射，并绘制可靠性曲线。只要分数被当作概率解读（例如用于风险阈值），校准就很重要。像平均精度均值 (mAP)这样的排序指标只取决于分数的顺序。

置信度与相关术语#

• 准确率：数据集层面的正确预测比例。在经过校准的模型中，平均置信度等于准确率。
• 统计置信区间：这是一个名称相同但含义不同的概念。95% 置信水平描述的是，在重复抽样中，区间构建过程捕获真实值的频率。
• 保形预测：将原始分数转换为具有覆盖率保证的预测集合，因此对于 90% 的目标覆盖率，在可交换数据上，该集合至少有 90% 的概率包含真实标签。