Data Flywheel

了解数据飞轮如何通过生产反馈、数据标注、重新训练、部署和监控，借助 Ultralytics Platform 驱动持续的 AI 改进。

数据飞轮是一个自我强化的AI改进循环：已部署的模型会生成预测和反馈，团队将最有用生产数据转化为更好的训练样本，而更新后的模型在下一次部署时会产出更有价值的数据。“飞轮”这个隐喻强调的是动量——每一个管理得当的迭代都可以让下一次迭代变得更快、更有针对性、更高效。

在计算机视觉中，这通常意味着捕获暴露出模型弱点的困难图像或视频帧、对其进行审查和标注、重新训练模型、验证新版本并将其重新投入生产。与一次性的数据集扩展不同，数据飞轮将现实世界的应用与模型的持续改进直接连接起来。

Link to this section数据飞轮是如何工作的#

一个实用的飞轮通常包含五个相连的阶段：

收集生产信号： 记录输入、预测、置信度分数、运营结果以及允许的用户反馈。一个实用的系统会优先处理信息丰富的案例——例如误报、漏检、不寻常的场景或低置信度预测——而不是无限期地存储所有内容。
整理和标注数据： 移除重复项、损坏的文件、敏感信息和不相关的样本。然后，人工审核员通过数据标注建立可靠的真实标签（ground truth），包括类别标签、边界框、掩码或关键点。
训练和评估： 将通过的样本添加到版本化的训练数据中，重新训练或微调模型，并将其与生产版本进行比较。TensorFlow Data Validation展示了模式检查和漂移比较如何帮助在训练前识别出有问题的数据。
安全部署： 逐步发布候选版本，衡量应用级别的结果，并保留回滚路径。Google Cloud MLOps 架构描述了数据验证、模型验证、持续训练和部署如何在生产管道中连接在一起。(docs.cloud.google.com)
监控并重复： 关注质量、延迟、故障以及不断变化的输入分布。AWS 机器学习监控指南涵盖了可以触发调查或重新训练的数据质量、模型质量和漂移信号。(docs.aws.amazon.com)

平台和管道减少了这些阶段之间的摩擦。Ultralytics Platform在一个环境中支持云端数据集标注、训练、部署和监控，而其数据集管理工作流则帮助团队组织、分析、版本化和更新视觉数据。

Link to this section相关概念与关键区别#

数据飞轮与几个机器学习概念有重叠，但并不等同于它们：

主动学习通常基于不确定性或多样性，选择预期能有效改进模型的样本。它可以为飞轮的数据选择阶段提供动力，但飞轮还包括部署、反馈捕获、治理和重复交付。
MLOps为可复现的训练、测试、部署和监控提供了工程实践。数据飞轮描述了改进的动态过程；而 MLOps 提供了使其保持可靠的大部分基础设施。
反馈循环并不是自动有益的。如果预测在没有独立真实标签的情况下影响未来的训练数据，错误和偏差就会自我强化。Google 关于机器学习反馈循环风险的指南解释了为什么团队应该监控模型输出如何影响后续输入。(developers.google.com)
网络效应发生在产品因更多人使用而变得更有价值的时候。当使用创造出独特、合法、高质量的数据时，数据飞轮可能会带来可防守的优势，但单纯的规模扩大并不是护城河。如果数据是常见、嘈杂或治理不善的，竞争对手可能会复制这种优势。

Link to this section实际应用#

制造视觉检测： 缺陷检测器最初从常见的划痕、裂纹和装配故障中学习。部署后，操作员会审查由新材料、反光或摄像机角度引起的不确定预测以及漏检的缺陷。这些经过验证的样本进入下一个训练周期，从而改善在实际工厂条件下的检测效果。团队可以通过Ultralytics Platform 标注工具管理生命周期，并通过部署监控跟踪生产端点的行为。
零售货架监控： 对象检测系统识别产品、空置空间和错位的物品。商店图像揭示了原始数据集中不存在的季节性包装、拥挤的货架、眩光和区域产品差异。添加这些案例有助于后期的模型产生更可靠的库存信息，同时减少人工检查。预测仍然应该进行抽样和验证，以免模型产生的错误变成被接受的标签。

Link to this section构建可靠的数据飞轮#

从一个可衡量的目标（例如减少漏检或误报）开始，而不是单纯地收集更多数据。保留数据集和模型谱系，将每个候选版本与固定的测试集进行比较，并使用诸如MLflow Tracking之类的实验记录来了解哪些更改影响了性能。在整个循环中应用隐私、访问、保留和人工审查控制；NIST AI RMF Core提供了用于监控已部署系统以及管理用户输入、事件和变更的指南。(airc.nist.gov)

以下可运行示例展示了使用YOLO26、Train 模式和Validation 模式的一个小迭代：

from ultralytics import YOLO

# Train a short baseline iteration on a small example dataset
model = YOLO("yolo26n.pt")
model.train(data="coco8.yaml", epochs=1)

# Evaluate before using the updated model
metrics = model.val()
print(metrics.box.map)

# Run the model on a new candidate image for review
results = model.predict("https://ultralytics.com/images/bus.jpg")
result = results[0]
result.save(filename="candidate_review.jpg")

这个示例并没有使整个飞轮自动化。它展示了飞轮基本的模型端模式：在定义好的数据集上进行训练、验证结果、对新数据运行推理，并保存一个输出，以便在任何修正样本进入下一个循环之前进行审查。