模型校验提供了一种方便的方法，您能够选择已训练过的模型及其版本，并选择图片进行校验，从而评估和验证构建的模型在处理数据上的性能和准确性。

选择模型和版本

您可以从可用的模型列表中选择一个已经训练过的模型，并指定该模型的版本。

选择图片来源

您可以从两种来源中选择图片进行校验：本地导入和平台已有数据集。

• 本地导入：如果您希望使用自己的图片进行校验，可以选择本地导入选项，支持一次性选择多张图片进行校验。

  

• 平台已有数据集：系统还为您提供了一个已有的数据集列表，您可以选择其中的数据集进行校验，支持选择数据集中的部分图片进行校验。

  

校验参数介绍

根据选择校验模型的不同，可以设置的参数也会有所变化，总体来看，大概有以下几种阈值参数：

• 置信度阈值：表示模型对于预测结果的置信程度或者可信度的度量。一般来说，当预测结果的置信度高于阈值时，我们可以认为该结果是可靠的；而当置信度低于阈值时，我们可能需要对结果保持怀疑或采取其他措施。较高的阈值会提高模型的准确性，但可能会导致一些实例被错误地拒绝。较低的阈值可能会增加错误分类的风险，但可以接受更多的预测结果。
• nms 阈值：通常是一个介于 0 和 1 之间的数值。在执行 NMS 算法时，会对所有预测框按照其置信度进行排序，然后，从具有最高置信度的预测框开始，移除与其 IoU（Intersection over Union，即交并比）大于阈值的其他预测框，这样可以确保最终保留的边界框具有最高置信度，并且与其他被移除的边界框没有显著的重叠。选择适当的 NMS 阈值取决于特定的目标检测任务和数据集。较低的阈值可能会保留更多的预测框，但可能会导致重叠较多的结果。较高的阈值可以过滤掉更多的预测框，但可能会导致一些重要的目标被错误地消除。

校验结果

当您选择完模型和图片后，可以点击校验模型按钮，系统将开始对所选模型和图片进行校验，校验过程可能会花费一些时间，具体时间取决于所选模型和图片的数量。

一旦校验完成，您将能够查看校验结果。界面会显示模型对每张图片的预测结果，并提供置信度等评估指标。

请注意，模型校验的结果仅供参考和评估模型性能之用，并不代表绝对准确性。对于特定问题和应用场景，建议根据实际需求进行更详细的模型评估和测试。