# 剩余修正包与三轮建议稳定性

本次用户要求排除所有已交回人工检查帧，交付剩余图像的AnyLabeling工作包；同时比较三个辅助训练模型在未人工检查帧上的建议差异。

## 数据范围与交付状态

人工检查集合为最初`train.zip`的306帧与`labled_1410.zip`的1,410帧，共1,716帧。后一个归档已包含`train_1024.zip`的全部1,024帧，不重复加总。用户确认所有帧均已检查，未改框表示接受，空框为负例。

固定协议10,522帧，剩余**8,806帧：train 4,984、val 1,455、test 2,367**。人工训练及人工验证帧均排除。训练、全量预测、打包和三轮比较均已完成；2026-10-08上午重新核验通过。完整结果见[最新运行报告](human_correction_latest_report.md)。

最终工作包：[human_correction_remaining_8806_v1.zip](../outputs/human_correction_manual_1716_v2/human_correction_remaining_8806_v1.zip)。ZIP SHA-256：`49fd66302b974f29ee913f924985cecec953950ac9734d2e69bff26c8a6e823b`。

包内原生PNG与同名AnyLabeling JSON、深度及有效掩码保持原生坐标。候选为`human_reviewed=false`、`unreviewed=true`、`proposal_only=true`，零检测仍待检查。验证/测试候选不替代独立参考。预测覆盖、人工排除、文件配对、坐标、状态和ZIP CRC全部通过后才发布完成状态。

训练和打包状态见`outputs/human_correction_manual_1716_v2/workflow_status.json`；原v1状态文件是当前分支别名。`delivery_manifest.json`已生成，全部校验通过。

## 比较范围与方法

比较三个人工辅助分支：`human_correction_manual_v3`（306人工帧）、`human_correction_manual_1330_v1`（1,330人工帧）及`human_correction_manual_1716_v2`（1,716人工帧）。已停止的1716-v1加速前试跑不当作第三轮模型。

三个模型只在同一固定8,806帧上比较。逐帧校验源身份、尺寸、采集组、配置域、原生划分、模型和阈值哈希。缺失建议文件报错，不能作为空框。比较不读取旧标注或独立参考框，不计算测试AP。

IoU≥0.50用于一对一匹配，先最大化匹配数量，再最大化IoU总和。新增框、消失框、匹配IoU<0.95或最大边界偏移超过原生短边2%定义为实质变化。报告IoU=0.90敏感性统计，分开计数双方空框、框数变化、匹配IoU、像素与归一化边界偏移、置信度变化，给出划分和配置域分项。

各轮阈值可能造成候选增删，因此同时报告原交付阈值和共同阈值比较。共同阈值取保存阈值最大值；旧候选文件不含低于各自阈值的预测，不能重建。95%区间按完整采集组bootstrap 2,000次、seed42计算。

操作性收敛标准提前记录为相邻两次比较的全帧变化率、非空帧变化率及各自95%区间上界均低于1%。这是候选一致性标准，与原49帧审计无关。全部空框不能单独证明稳定正确。三轮数据量和第三轮实际batch不同，变化不能归因于单一因素。

## 当前已算出的结果

全部三轮在相同8,806帧、阈值0.70下：

- 实质变化4,179帧，**47.46%**；组级95%区间**41.11%–53.31%**。
- 非空帧变化率51.47%；框数改变906帧。
- 相对第一轮新增1,805框、消失248框；匹配7,944框平均IoU 0.9371。
- 双方空框686帧仍须检查漏标；IoU规则放宽至0.90后变化率20.07%。
- 第二至第三轮变化2,120帧，**24.07%**（95%组级区间18.89%–29.58%）；框数改变443帧，新增81/消失744框，匹配框平均IoU 0.9497。
- 第一至第三轮变化4,278帧，48.58%；三轮全部空框675帧，不能视为已确认负例。

相邻变化率由47.46%降至24.07%，建议一致性提高，但尚未达到操作性收敛标准。详见[完整三轮报告](../outputs/human_correction_stability_1716_v2/report_zh.md)和[最新排序CSV](../outputs/human_correction_stability_1716_v2/review_priority.csv)。`preliminary_v2`保留早期结果，不是最新结论。

## 自动续跑与操作入口

独立CPU分析已完成三个模型对的比较。任务不占GPU，限制BLAS线程；脚本位于`scripts/`，未改变训练源码指纹。

最新分析目录`outputs/human_correction_stability_1716_v2`的状态为`complete`，最新指针为`outputs/human_correction_stability_latest.json`，包含：

- `report_zh.md`：中文版判断和差异表。
- `comparison.json`：完整分项、组级区间、指标与溯源。
- `review_priority.csv`：8,806帧优先检查排序、原生文件名和逐轮框数。
- `proposal_change_rates.png`：差异图。
- `delivery_manifest.json`：通过审计的ZIP哈希及报告。

恢复训练/预测/打包：

```bash
bash scripts/run_human_correction_1716.sh
```

需要重建分析时执行（独立于训练恢复，默认v2；配置改变须使用新目录）：

```bash
bash scripts/run_proposal_stability_1716.sh
```

监控现有上游进程时可把其PID作为首个参数。上游提前停止则记录`failed_resumable`。分析配置、人工输入和预测哈希改变时拒绝复用原分析目录，需要另建版本。

原稳定性v1在数值分析成功后，因相对路径写入日志而失败；该失败与原源码已保留。修复后使用新版本v2重算，三个模型对的所有指标、输入建议哈希及三轮共识结果与v1完全一致。恢复记录见`outputs/human_correction_stability_1716_v1/recovery.json`，未改动模型、标签、预测或ZIP。

包解压后用AnyLabeling打开`images/train`、`images/val`或`images/test`。优先检查CSV排名靠前的增删框和边界分歧帧，但全空及低分歧帧也须检查；模型一致不等于标签正确。CSV不自动回写标签。

## 验证

分析回归18项，连同人工导入与工作流跟踪共36项通过。覆盖拥挤目标匹配、顺序/微小扰动、等框数实例替换、空框一致、阈值影响、边界规则、组级重采样、累计人工排除、缺失/错源/尺寸/越界/哈希拒绝、未完成不得宣称三轮收敛、人工标签不变及相对路径交付/日志更新幂等性。
