置信度基础：什么是模型置信度、概率分布、softmax与logits

在摄像头AI调试工作中，我们经常遇到这样的场景：模型明明输出了"行人 0.85"的检测框，但实际却是一根路灯杆；或者模型对某个目标输出"0.45"的分数，我们犹豫是否该采纳。这些数字——0.85、0.45——就是模型置信度。但置信度究竟代表什么？它是不是概率？为什么有时候高置信度反而出错？本章将从数学原理和工程实践两个维度，彻底讲清置信度的本质，为后续的阈值调整、校准和调试打下基础。

上图展示了摄像头AI模型从输入图像到最终置信度输出的完整链路。在工程调试中，我们看到的"0.85"并不是模型直接输出的原始值，而是经过一系列数学变换后的结果。理解这条链路上的每一个环节，是进行置信度调试的前提。

2.1 模型置信度的本质定义

模型置信度（Confidence），在分类和检测任务中，通常指模型对某个预测结果的确信程度。对于摄像头AI而言，它表现为检测框上的分数、分类结果的概率值，或分割掩码的像素级概率。但必须明确：这个数字是模型内部计算的结果，它反映的是模型在训练数据分布下的"相对确信度"，而非客观世界的真实概率。

从数学角度看，对于一个K分类问题，模型最后一层全连接会输出K个实数，这些实数被称为Logits。Logits可以是任意实数，正值表示支持该类别，负值表示反对。随后，Softmax函数将这K个实数转换为K个和为1的非负值，即：

Softmax(z_i) = exp(z_i) / Σ exp(z_j)   (j = 1..K)

其中 z_i 是第 i 类的 Logit 值。Softmax 的输出可以理解为"模型认为输入属于各类别的概率分布"。而置信度通常取该分布中的最大值（即 argmax 对应的概率值），或者针对特定类别的概率值。

2.2 概率分布与Softmax的深层含义

Softmax 函数有一个重要特性：它放大了 Logits 之间的差异。当 Logits 为 [2.5, 1.2, -0.8] 时，Softmax 输出为 [0.71, 0.19, 0.10]。原本 2.5 和 1.2 只差 1.3，但经过指数变换后，概率差距拉大到了 0.52。这种"放大效应"在 Logits 值较大时尤为明显。

在摄像头AI场景中，这种放大效应会带来两个实际问题：

• 过度自信：当模型对某个类别输出 Logits 为 [5.0, 4.8, 4.9] 时，Softmax 会给出接近 0.5 的概率，但实际这三个类别的区分度很低，模型并不确定。这导致高置信度但低准确率的现象。
• 温度参数（Temperature）：通过引入温度 T 调整 Softmax 的"锐度"：Softmax(z_i/T)。T > 1 时分布更平滑（降低置信度），T < 1 时分布更尖锐（提高置信度）。在模型蒸馏和校准中，温度是常用工具。

Logits 示例	Softmax (T=1)	Softmax (T=2)	Softmax (T=0.5)	工程含义
[2.5, 1.2, -0.8]	[0.71, 0.19, 0.10]	[0.52, 0.29, 0.19]	[0.87, 0.11, 0.02]	T 增大→分布平滑，置信度降低
[5.0, 4.8, 4.9]	[0.37, 0.30, 0.33]	[0.35, 0.32, 0.33]	[0.40, 0.28, 0.32]	区分度低时，置信度不可靠
[10.0, 0.0, -10.0]	[0.9999, 0.0001, 0.0000]	[0.99, 0.01, 0.00]	[1.00, 0.00, 0.00]	Logits 差距大时，置信度趋于极端

上表展示了不同 Logits 分布和温度下的 Softmax 输出。在摄像头AI调试中，理解温度的作用至关重要：当模型在特定场景下普遍过度自信时，可以通过提高温度来"软化"输出，使置信度更接近真实准确率。

2.3 置信度与准确率的关系：校准曲线

理想情况下，如果模型输出置信度为 0.8，那么在所有预测中，大约 80% 应该是正确的。这种性质被称为完美校准（Perfect Calibration）。然而，实际模型往往偏离这一理想状态。

我们通过可靠性图（Reliability Diagram）来评估校准质量：将预测样本按置信度分桶（如 0-0.1, 0.1-0.2, ..., 0.9-1.0），计算每个桶内的实际准确率，然后绘制置信度-准确率曲线。如果曲线在对角线上方，说明模型欠自信（实际准确率高于置信度）；如果在下方，说明模型过度自信（实际准确率低于置信度）。

校准误差（Expected Calibration Error, ECE）是量化校准质量的常用指标：

ECE = Σ (n_m / N) × |acc(m) - conf(m)|

其中 m 表示第 m 个分桶，n_m 是该桶的样本数，N 是总样本数，acc(m) 是桶内实际准确率，conf(m) 是桶内平均置信度。ECE 越低，说明模型校准越好。

2.4 实战场景：夜间低照度下的置信度漂移

我们以一个典型的摄像头AI调试案例来说明置信度与准确率的关系。某安防项目部署在园区周界，白天检测准确率良好，但夜间低照度环境下误报率急剧上升。

初始现象：白天模型对"行人"类别的平均置信度为 0.82，对应准确率约 0.85；夜间平均置信度降至 0.68，但准确率骤降至 0.45。这意味着夜间模型输出的 0.68 置信度，实际只有不到一半是正确的。

分析过程：

1. 采集夜间 2000 帧标注数据，统计置信度分布：发现 0.6-0.7 区间的样本占比从白天的 15% 升至 42%。
2. 绘制夜间可靠性图：曲线明显偏离对角线，在 0.6-0.8 区间，实际准确率比置信度低 20-30 个百分点。
3. 检查 Logits 分布：夜间 Logits 的绝对值整体偏小（均值从白天的 3.2 降至 1.8），且类别间差距缩小，导致 Softmax 输出"虚高"。

解决方案：

• 短期：将夜间检测阈值从 0.5 提升至 0.75，牺牲召回率换取精度（误报率降低 60%）。
• 中期：引入温度标定，对夜间场景使用 T=1.5 的 Softmax，使置信度分布更平滑，更接近真实准确率。
• 长期：收集夜间数据重新训练或微调，改善特征提取在低照度下的表现。

结果对比：调整后，夜间置信度 0.7 以上的检测框准确率从 45% 提升至 72%，虽然平均置信度降至 0.55，但置信度与准确率的偏差从 23 个百分点缩小到 8 个百分点。

2.5 常见误区与调试复盘

在置信度基础这一章，工程师常犯以下错误：

误区	错误认知	正确理解
把置信度当真实概率	0.9 置信度意味着 90% 概率正确	置信度是模型内部相对度量，需校准后才接近真实概率
忽略温度影响	Softmax 输出是固定的	温度 T 可调整分布锐度，是校准的重要工具
只看置信度不看 Logits	置信度足够判断可靠性	Logits 的绝对值和差距能反映模型的"底气"
全局统一阈值	所有场景用同一个置信度阈值	不同光照、天气、时段应使用不同阈值或校准参数

复盘总结：置信度调试的第一步不是调阈值，而是理解模型输出的置信度是否"可信"。通过绘制可靠性图、分析 Logits 分布、引入温度校准，我们可以让置信度真正成为决策的可靠依据。在后续章节中，我们将深入探讨如何通过阈值优化、温度标定和模型微调，系统性地提升置信度的可用性。