098、异常检测与开集识别：YOLO 不认识的东西怎么让模型说“我不知道”

098、异常检测与开集识别：YOLO 不认识的东西怎么让模型说我不知道

上周在产线部署YOLOv8做零件缺陷检测，遇到一个让人头疼的问题。模型把一颗掉落的螺丝钉当成了“合格品”，还把工人手上的创可贴识别成了“垫片”。甲方质检组长当场就炸了：“你们这模型连不认识的东西都敢瞎猜？”

说实话，这问题太真实了。YOLO这类闭集检测模型，训练时只见过那几类目标，推理时遇到没见过的东西，它不会说“我不知道”，而是强行把特征往已知类别上靠。这就是开集识别（Open Set Recognition）和异常检测（Anomaly Detection）要解决的核心矛盾。

为什么YOLO不会说“我不知道”

先看YOLO的推理逻辑。模型输出的是边界框坐标和类别概率，最后通过Softmax或者Sigmoid做分类决策。Softmax有个致命缺陷——它强制所有类别概率之和为1。哪怕输入一张纯噪声图，模型也会挑一个概率最大的类别输出。

我做过一个实验：用YOLOv8训练了5类工业零件，然后扔进去一张猫的图片。模型以87%的置信度输出“螺栓”。这不是模型笨，是Softmax的数学性质决定了它必须选一个。

另一个坑是特征空间的封闭性。YOLO的Backbone提取特征后，分类头只在已知类别的特征空间内做决策。未知类别的特征可能落在已知类别的特征分布边缘，甚至完全重叠。这时候模型根本分不清“没见过”和“见过但不确定”。

给YOLO装上“拒识”模块

解决思路分两条线：一是改造模型结构，让模型能输出