AI识别验收要点

背景

AI识别验收要关注业务可用性，而不只是模型指标。项目验收应同时检查输入数据、识别结果、人工复核、证据追溯和误报漏报。

验收维度

• 数据覆盖：样本是否覆盖目标类型、光照、角度、高度、背景。
• 识别效果：准确率、召回率、误报率、漏报样例。
• 结果展示：类别、置信度、框/图斑、证据图是否清楚。
• 复核闭环：确认、驳回、修改、备注是否可保存。
• 结果回传：复核后结果能否进入下游系统。

项目落地关注点

• 指标要按场景和类别拆分，不能只给总准确率。
• 验收数据集要固定，避免每次演示用不同样例。
• 低置信度结果是否展示，要结合业务容忍度决定。

数据/接口要点

• 保留样本清单、模型输出、人工复核结论和最终统计口径。
• 每个AI结果应能关联任务ID、媒体ID、证据地址和复核状态。
• 验收结果应能导出或形成报告，方便后续追责和改进。

验收/风险

• 抽查每类目标的成功样例、误报样例和漏报样例。
• 检查识别结果能否追溯到原始媒体和任务。
• 检查人工复核后状态是否正确影响下游。

待补充

• 补充各场景AI验收指标阈值。
• 补充验收样本集清单。