AWS GroundTruth置信度为0对目标检测模型构建的影响及处理问询

对模型构建的影响 #

• 多数SageMaker内置的目标检测算法（如SSD、YOLO）在训练时不会使用标注的置信度字段——这类算法默认人工标注的标签是绝对准确的，所以置信度为0本身不会直接干扰训练逻辑。
• 例外情况：如果你的训练脚本或自定义训练容器有加权训练逻辑（比如根据置信度给标注分配不同训练权重），那置信度0会导致对应标注的权重被压低甚至忽略，这时候就会对模型训练产生负面影响。

是否需要修改增强清单文件 #

• 若训练流程不依赖置信度字段，完全不需要修改，改与不改都不影响模型训练效果。
• 若存在加权训练需求，或后续需要用置信度做数据筛选（比如只保留高置信度标注），可以批量将增强清单中的置信度值替换为100%（注意：多数情况下该字段是浮点型，需替换为1.0而非整数100）。操作时注意两点：
  • 先备份原始增强清单文件，防止修改出错无法回滚。
  • 可使用jq工具批量处理JSON格式清单：jq '.annotations[].confidence = 1.0' input-manifest.json > updated-manifest.json

额外提示 #

• 单人标注后置信度为0是GroundTruth的默认行为（系统认为无复核的单人标注没有可信度参考，因此设为0），属于正常情况，无需过度担忧。
• 如果想提升标注质量的可信度，可以后续启动GroundTruth的复核工作流，让其他标注者完成复核，系统会自动计算并生成合理的置信度值。

内容的提问来源于stack exchange，提问作者FrancoisHawaii