我把毕设的阈值"拍脑袋"问题，做成了会被数据打脸的实验
先交代背景
毕设是一个人脸签到系统：SCRFD 检测 + ArcFace 出 512 维特征 + Milvus-Lite 存向量，FastAPI + Vue3 前后端。功能上除了签到本身，还有两块和"人脸库数据质量"较劲的东西：
- 质量门控：照片入库前过 7 条可计算规则（尺寸、倾角、姿态偏移、亮度、清晰度……），不合格直接拦下；
- 查重审计：对全库做人脸重复注册检测——"一人多号"靠两两余弦相似度抓，"跨账号异常簇"靠层次聚类抓。
问题是，这两条通道各有一个阈值（相似度阈值 cross_student、聚类距离 cluster_distance）。查了一圈开源实现，阈值基本都写在配置文件里，配一句"根据经验调整"。
我不想在论文里写"根据经验调整"。于是有了这篇文章。
第一步：把"选一个点"变成"选一片解集"
变量隔离的网格扫描：same_student（同人识别阈值）固定 0.40，cross_student 扫 14 档 × cluster_distance 扫 6 档，共 84 档，每档跑完整审计。
结果挺意外——81/84 档召回都是 100% ，其中 34 档存在误报。也就是说：
- 一级判据（召回 100% 且零误报）筛出 47 档同时满足；
- 这 47 档在一级指标上完全无法分辨——阈值根本不可唯一辨识。
这里有个容易踩的坑：既然 47 档都好，随手选一个不就行了？我用各向同性的 maximin 距离选过一次，结果它在这片"失败区偏置的网格"上直接退化到最激进的角落档位——被数据否决的第一次。
第二次被否决的是"用单一阈值上下界框定安全区"的论断——两条通道的失败边界根本不重合，单一阈值不成立，换成了双阈值等效面。这轮迭代之后，选点规则长成了四步：
一级判据 → 产出解集 → 冗余可行域收缩 → 单侧余量排序（误报侧余量优先，因为误报会让两个不同的人被判为同一人，代价更高）
按这个规则，评测集选出了 0.55 / 0.50，漏报侧余量 0.015——全表最脆的一维。
剧情反转：验证集把它否了
我单独构造了一套验证集：把同一个人的 6 张照片注册到 6 个学号（"一人多号"脏库，两两组合共 C(6,2)=15 对重复），外加 7 个正常人的干净库。然后在两个独立进程里扫阈值（这个坑后面说），每档记两个数：脏库命中、正常库误报。
结果：
| cross / dist | 脏库命中 | 正常库误报 |
|---|---|---|
| ≤0.40 / 0.60 | 15/15 | 0 |
| 0.45 / 0.60 | 14/15 | 0 |
| 0.50 / 0.60（代码默认值） | 14/15 | 0 |
| 0.55 / 0.50（标定选点） | 11/15 | 0 |
三个干净的观察：
- dist 两档逐对完全同值——验证集上聚类通道无差异，单变量归因很干净；
- 召回只随 cross 变，而标定选点 0.55 恰好是脆的那一档；
- 有个 0.43/0.60 也能 15/15，但它不在评测网格上、不属于一级解集——按规则必须排除，这正是"规则写死"的意义，不能看见好数字就伸手。
翻车原因也清楚：评测集最弱组内相似度 0.565，演示库最弱配对只有 0.5091——标定选点过拟合到了评测集的宽余量。
把规则写死，让机器替我做决定
这时候最容易干的事是"哦那我们取 0.50 吧"。但这就又回到拍脑袋了，只是这次拍得小声一点。
我做的事是把验证集选点规则预先写死：
在一级解集与冗余可行域内，以"验证集正常库零误报"为硬约束，取验证集召回最高者；并列时沿用二级判据的"误报主序、漏报次序"逐维排序。
规则执行的结果：
- cross ≤ 0.40 四档并列 → 取 cross 尽大 → 0.40
- dist 两档无差异 → 取漏报侧余量更大的 → 0.60
最终部署值 0.40/0.60——和代码默认值 0.50/0.60 不一样。这次它是被规则和数据选出来的，不再是默认值的沿用。
顺手踩出来的坑
同进程切库会拿到假数据。 第一版扫描脚本在同一个 Python 进程里先扫脏库再扫正常库，结果"正常库"输出和脏库一模一样——milvus/db 模块第一次 import 时就把路径绑死在脏库上，改环境变量无效。修复：每个场景单开进程。第一次跑出的假 JSON 已删，坑写进了脚本注释。
上传接口原来是裸的。 await file.read() 没有大小上限、没有类型白名单，传个 1GB 文件直接吃满内存。补了个守卫：Content-Type 白名单（415）+ 5MB 上限（413），内容真伪交给图像解码兜底。e2e 还顺手抓出一个测试自身的 bug——multipart 构造函数把 Content-Type 硬编码成 image/jpeg，导致 415 用例永远测不到假类型。
最后的数字
- pytest 单测 13 例（审计判定逻辑用合成向量精确控制余弦相似度，不碰 Milvus 不跑模型）；
-
e2e 68 项全过（含签到闭环：首签落库 → 重复签到幂等同 id → 守卫负例 → 级联清理）；
-
部署值在验证集上 15/15 命中、0 误报。
写在最后
这套东西技术上没有任何高精尖：网格扫描、解集、验证集复核，都是机器学习里最基础的功课。真正值钱的可能只有一个习惯的转变——
"调了个参数"和"阈值由判据决定"，中间隔着的不是数学，是愿不愿意让数据有机会对你说不。
论文里最难写的一句是"标定选点被验证集否决"。写完之后反而轻松了：答辩时评委问"你的阈值为什么是这个数"，我有一整章可以翻给他看。
项目地址：gitee.com/flowerjan10/face-attendance
