calibrate 命令将人工审核候选样本转换成明确、分类别的 AUTO/REVIEW 策略。它解决固定置信度阈值无法回答的问题：自动写入标签的决策究竟有多少审核证据支持？
默认 CSV 字段如下：
| 字段 | 含义 |
|---|---|
class_name |
数据集类别名称 |
conf |
Teacher 在 [0, 1] 范围内的置信度 |
verdict |
人工结论，例如 accept 或 reject |
字段名称可以通过命令行修改。接受结论支持 accept、true、yes、tp、1，拒绝结论支持 reject、false、no、fp、0。
审核样本应来自目标摄像头和实际业务域，不应再把同一份数据当成独立测试集来宣传模型效果。
每个类别只按置信度排序一次，再通过累计真阳性和假阳性，以 O(N log N) 时间复杂度生成全部阈值点。
对于阈值 t：
precision(t) = 置信度 >= t 且审核通过的候选数 / 置信度 >= t 的全部候选数
recall(t) = 置信度 >= t 且审核通过的候选数 / 全部审核通过候选数
对于 AUTO，工具还会计算观测精度的 Wilson 置信下限。与经验精度相比，它会惩罚小样本。例如在 95% 置信水平下，10/10 全部通过虽然经验精度为 100%，但精度下限仅约 72.25%；达到 100/100 时，下限才提高到约 96.30%。
AUTO 阈值选择同时满足以下条件的最低阈值：
- 在
--auto-confidence-level置信水平下，Wilson 精度下限不低于--target-auto-precision； - AUTO 区域至少包含
--min-auto-samples条审核样本。
在满足精度约束的前提下选择最低阈值，可以最大化自动补标覆盖率。
REVIEW 阈值选择不高于 AUTO，且能够保留至少 --target-review-recall 正样本的最高阈值。在满足召回约束的前提下选择最高阈值，可以减少人工复核工作量。
如果样本无法支持目标，工具会返回 auto_target_not_met、review_target_not_met 或 no_positive_samples，而不会为了输出数字强行提供不安全的回退阈值。
python examples\create_calibration_fixture.py
yolo-label-recovery calibrate `
examples\calibration\reviewed_candidates.csv `
--output-dir examples\calibration\output `
--target-auto-precision 0.95 `
--auto-confidence-level 0.95 `
--target-review-recall 0.90 `
--min-auto-samples 20 `
--redact-paths输出内容：
calibration.json：策略、分类别结果和可直接使用的阈值覆盖参数；threshold_curve.csv：全部类别、阈值对应的经验精度、Wilson 下限和召回数据；calibration.html：自包含可视化证据报告。
- 置信度依赖 Teacher 和业务域；更换模型、摄像头、光照或标注规范后应重新校准。
- Wilson 下限可以抑制小样本过度乐观，但无法修复有偏或不具代表性的审核样本。
- 仅在复现旧版经验精度策略时使用
--auto-confidence-level 0。 - 审核样本应覆盖全部工况，不能只审核容易样本或高置信度样本。
- 校准数据应与最终模型测试数据分离。
- 高置信度 Teacher 预测仍然只是证据，不等于真实标签。
该设计将模型分数和业务风险分开。AUTO 采用带置信下限的精度约束，因为错误自动标签会静默污染训练数据；REVIEW 采用召回约束，因为它的主要成本是人工时间，而不是静默污染。必须按类别制定策略，因为吸烟、拖鞋等小目标与拖拉机等大目标的置信度校准特性并不相同。