yolov11置信度

### YOLOv11 中置信度概念

在YOLOv11中，置信度表示模型对于预测框内存在目标的确信程度。具体来说，置信度由两部分组成：对象存在的概率以及边界框位置的准确性[^1]。

### 置信度计算方法

置信度得分通常定义为：

\[ \text{Confidence Score} = P(\text{Object}) * IOU_{\text{pred}}^{truth} \]

其中 \(P(\text{Object})\) 表示网格单元格中含有物体的概率；\(IOU_{\text{pred}}^{truth}\) 是指预测边框与真实边框之间的交并比（Intersection over Union）。当不存在任何物体时，该分数应接近于零；而如果确实有物体，则理想情况下此值应该尽可能高[^3]。

### 如何调整置信度阈值

为了控制哪些预测会被视为有效检测结果，在`detect.py`文件中有默认参数用于设定最低可接受的置信度水平，默认情况下这个数值可能被设为较低或较高的值取决于应用场景的需求。例如:

- 当 `default=0` 时，即使是很低置信度的结果也会被保留；
- 若将 `default` 设置为更高的值比如 `0.8` ，则只有那些具有较高确信度 (> 80%) 的预测才会最终呈现给用户查看。

def detect(image, conf_threshold=0.8):
    # 假定此处省略了加载模型和其他预处理操作
    
    predictions = model.predict(image)
    
    filtered_predictions = [
        pred for pred in predictions 
        if pred['confidence'] >= conf_threshold
    ]
    
    return filtered_predictions