Topics 01 - 06
按情绪与题材，找到你想读的那一篇
有时候你不是在找知识，而是在找一种被理解的感觉。下面六个入口，按心情排好了。
01
想安心：从零开始的识别
不预设你懂技术，从一条内容如何被看见、被判断讲起，读完会有脚踏实地的感觉。
02
有点焦虑：误判怎么办
误判不是故障，而是概率的一部分。这篇聊聊如何设置复核，让错误不至于伤人。
03
想较真：指标背后的含义
准确率、召回率、漏检率，这些词到底在说什么？我们尽量不用公式，把它讲清楚。
04
想放松：安全也可以很日常
从手机相册到社区公告，识别其实就在身边。轻一点读，也许更容易记住。
05
想深入：模型与部署的取舍
更快的模型还是更稳的模型？这是一道没有标准答案的题，但有可以借鉴的思路。
06
想分享：给非技术朋友讲明白
整理了几段可以转述的说法，帮你把 yolo ai安全识别 讲给家人听，不掉进术语里。
Guide
三条使用指南，两条小贴士
写给第一次接触安全识别工具的你，也写给已经用过一阵、想回头校准方法的你。
指南一 · 先明确你要识别什么
在调参数之前，先用一句话写下目标：是发现违规画面，还是筛出可疑文本？目标越具体，后续的阈值与复核就越省力。
指南二 · 给结果留一个人工出口
任何识别系统都会被边界情况绊住。把高风险结果送进人工复核，而不是直接执行，是成本最低的稳妥做法。
指南三 · 定期回看错例，而不是只看指标
指标告诉你整体趋势，错例告诉你真实痛点。每月翻一翻被误判的样本，往往比改十次参数更有收获。
Editor's Note
编辑手记：我们为什么这样写安全
做 yolo ai安全识别 这个站，最初的动机很简单：关于安全识别的资料很多，但大多写得让人紧张。术语堆在一起，读完之后你记住的是恐惧，不是方法。我们想试着换一种写法——把技术讲清楚，同时把人的位置放回中心。
因此我们坚持两件事。第一，凡是指标，都要说明它在什么场景下成立；凡是结论，都要留一句“也有例外”。第二，尽量给出可执行的一小步，而不是宏大的判断。安全识别不是一场审判，它更像是日常里的一次次确认。
如果你在阅读中觉得某一篇讲得太轻，或者太重，欢迎写信告诉我们。这个站会继续更新，节奏不快，但每一篇都经过至少两位编辑的交叉阅读。我们更在意你读完是否安心，而不是你是否被说服。
—— yolo ai安全识别 编辑部
Write to us
来信，是我们最喜欢的反馈方式
选题建议、事实指正、语气上的不舒服，都可以写给我们。我们不一定每封都回，但每一封都会读完。来信请尽量具体，比如指出某一段的哪一句让你产生了疑问。
如果是内容纠错，附上你的依据，我们会更快处理，并在更新记录里注明。
- 来信邮箱[email protected]
- 选题建议主题请以「选题」开头，方便我们归类
- 事实纠错请附原文段落与参考来源
- 更新频率每周一整理一次来信，周四集中回复
- 合作说明暂不接受付费软文，仅接受内容共建