C4.24.1Gesture recognition confidence设计研究
识别系统对每次判定给出置信度，而非非黑即白的结果
别名: 识别置信度 · 软判定 · 非二值输出
概念解释
手势识别器对一次观测给出的不是「是 / 不是」两枚硬币，而是带置信度（confidence）的软判定：更像这个类别、不太像那个类别、整体有多有把握。产品层再把分数切成命令。把识别器当成黑白开关，是在扔掉分数里已经算出来的不确定度。丢失跟踪是「没有观测」；低置信度是「有观测，但不稳」——两者不要并成一个「没认出」。
机制
分类器输出后验、距离或校准过的概率。同一段轨迹可以对几个类别都给出中等分数，或对一个类别给出高分但对关键点质量给出低分。二值化发生在阈值之后，阈值之前的信息还能用来推迟触发、要求确认、或改走更稳的模板。校准很关键：许多模型的原始分数不能当概率读，0.8 并不表示「十次里八次对」。未校准就把分数画给用户，会造成虚假的把握感。帧级分数和整个手势跨度上的分数也不是一回事，一帧高峰不能代表整段动作可靠。
怎么研究
在带真值的手势集上画出分数分布：正确类别、混淆类别、非手势动作。检查分数是否随关键点质量、速度和视角单调变化。用可靠性图（reliability diagram）看分数是否校准。比较「只用 argmax」和「把分数交给下游」两种产品逻辑在同一测试集上的行为。不要只报 top-1 准确率，那正是把软输出压成黑白之后的数字。
边界
模板极少、类间距离极大的玩具词汇上，分数会堆在两端，软输出几乎没有中间地带，二值化损失很小。开放世界里「什么都不是」的动作占大多数，中间分数才是常态。有的传感器只给检测开关（简单的接近阈值），没有可解释的置信度，这条知识不适用，不能把开关电压硬叫成置信度。时序模型的分数在动作尚未结束时会剧烈摆动，中途的数字不能当完成态的把握。
怎么落地
- 让识别服务同时返回类别、分数和关键点质量，产品层禁止只订阅一个布尔
recognized。 - 调试视图显示分数，面向用户的界面不要把未校准的百分数当成「成功率」。
- 验收时抽一批「做对了但分数低」和「做错了但分数高」的样本，确认下游能看见它们，而不是在二值接口里消失。