合成数据与置信度网格搜索

摘要：桌游组件类别多、摆放组合爆炸，仅靠实拍标注难以覆盖长尾。呆儿塔人工智能在「桌游视算」中采用可控合成扩样解决冷启动，再用验证集驱动的置信度阈值搜索，把漏检与误检平衡到业务可验收区间；真实反馈样本则用于对抗分布漂移。

1. 为什么合成是一等公民

真实对局照片宝贵，但天然偏斜：桌布重复、光照有限、稀有牌面曝光不足。合成流水线的价值在于把关键变化维度变成可调度变量，例如姿态、尺度、透视、遮挡强度、材质与光照范围，以及类别均衡策略。目标不是「制造假图」，而是在上线前让模型见到足够多样的桌面噪声。

2. 阈值校准：把体验指标写进发布流程

检测器输出的置信度仅是排序信号；真正决定产品体验的是阈值。阈值过低，假阳性推高多算分/多计件；阈值过高，漏检导致少算分/漏件。正确做法是在独立验证集上扫描阈值网格，并优先观察业务敏感指标（例如实例召回—精确率权衡、与计分/计数误差相关的聚合指标），形成可复现的发布配置。

• 以业务误差为导向，而非单一学术 mAP；
• 阈值搜索过程可复现、可回滚；
• 发布配置与模型版本绑定，避免「口头调参」。

3. 真实闭环：合成解决冷启动，反馈对抗漂移

合成解决覆盖，真实纠错解决漂移。小程序「反馈并调分」把用户纠正沉淀为后续微调与阈值复核信号。底线不变：识别可以错，分数最终以规则引擎为准——这是对局公平性与 B 端核验可信度的共同前提。

感知几何选型见《为什么选用 OBB 旋转框，而非水平框》；端到端架构见《边缘计算机视觉在轻策桌游计分中的落地》。