Ultralytics YOLO 相关术语解释（新手向）
先说清楚它是什么：Ultralytics YOLO 属于「垂直行业」方向的开源项目，广泛使用的开源目标检测与分割模型系列。
看文档和设置项时遇到的术语，这里用一两句话解释清楚。
术语表
- 人在回路：关键判断必须由有资质的人员确认。
- 环境感知文书：在征得同意后记录对话并自动生成专业记录。
- 数据驻留：数据存储在指定地区，满足行业或地区监管要求。
- 审计日志：记录谁在何时用 AI 处理了什么数据。
- 领域模型：针对特定行业数据训练或调优的模型。
- 免责声明：说明 AI 输出仅供参考、不构成专业意见的提示。
和 Ultralytics YOLO 相关的补充
- 开源项目：Ultralytics YOLO 的产品形态，决定了安装、权限和数据存放方式。
- 同类产品：Roboflow、Detectron2、PaddleDetection。
- 所属方向：垂直行业。
把概念用起来
数据集划分与评估
输入：已经标注好的数据集。
把数据集按训练、验证、测试划分，说明划分原则（避免同一来源同时出现在训练和测试中），并列出评估时要看的指标和每类样本数量。
验收标准：测试集与训练集没有泄漏。
更多可以试的用法
上线前现场测试
适用情况：手头有训练好的检测模型和现场环境时。
设计一份现场测试方案：不同光照、角度、遮挡条件各采集一批样本，记录漏检和误检，低于预设标准时不上线。
验收标准：覆盖了不同现场条件。
标注规范制定
准备材料：一批待标注的图片样例。
根据这些样例写一份标注规范：每个类别的定义、正反例描述、边界情况怎么处理，以及标注员之间不一致时的裁决规则。
交付前确认：边界情况有明确规则。
常见问题：识别模型在新场景失效
补充新场景的标注数据重新评估。
常见问题：客户误以为是专业意见
在输出中加入明确提示，并由专业人员审核后再发出。
常见问题：数据合规审批卡住
提前准备数据流向说明、供应商资质和合同条款。
概念补充：人在回路
关键判断必须由有资质的人员确认。
概念补充：免责声明
说明 AI 输出仅供参考、不构成专业意见的提示。
适合人群：小店老板
小店老板可以用 YOLO 处理门店宣传物料、顾客评价回复等工作。需要注意：价格和活动信息以实际为准，顾客电话等信息不要随意上传。
适合人群：咨询顾问
咨询顾问可以用 YOLO 处理行业研究、访谈整理等工作。需要注意：客户机密遵守保密协议，研究结论注明来源。
适合人群：数据分析师
数据分析师可以用 YOLO 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。
使用提醒
本文基于 Ultralytics YOLO 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。
所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。