算法 Schema、参数与元数据指南
理解算法协议、运行参数和业务元数据的边界，并使用九类静态教学示例快速开始。
本页目录 ⌄
算法版本管理与历史保护
在 Console 的算法目录中，管理员按“算法标识 + 版本”管理专属输入 Schema、输出示例、输出 Schema、结果筛选维度和推荐参数；输入示例仅用于反推输入 Schema，不保存到算法版本。新版本填写主版本、次版本和修订号三个非负整数，默认 1.0.0，每段最多 9 位，不支持预发布后缀。
主版本用于不兼容变更，次版本用于兼容功能新增，修订号用于兼容修复。保存后标识和版本固定；复制新版本保留标识与配置，升级主版本会将后两段归零，升级次版本会将修订号归零。重复版本会明确报错，允许维护旧主版本的修订版。
只要存在任意状态的 Inference Jobs 或 Inference Streams 引用，算法类型、输入 Schema、输出示例、输出 Schema、结果筛选维度和推荐参数即被锁定，修改须复制新版本。名称、说明、Worker 绑定和启停状态仍可编辑。
复制的新版本默认停用，保存后由管理员启用。停用禁止新建与 Worker 领取，不取消或迁移已有记录；旧记录始终引用原版本。历史非规范版本保留原值及查询能力，复制时须填写规范版本。
编辑可以保留当前已停用的算法类型；注册和复制必须选择启用的算法类型。算法类型默认配置不会自动更新已保存版本，覆盖已填写内容前会请求确认。
Schema：算法的数据协议说明
输入 Schema 描述调用方应提供什么，输出 Schema 描述 Worker 会返回什么。它们由接入开发者、算法工程师和调用方共同阅读；当前版本只作为协议说明和填写起点，不执行运行时 Schema 校验。
推荐使用简单、可读的 JSON Schema 对象，并明确 type、properties、required 与 description。字段可以为空对象，但正式交付前应与 Worker 的真实实现保持一致。
- type 通常为 object；properties 逐项解释字段；required 只列真正不可缺少的字段。
- description 写清单位、范围、引用方式和隐私边界，不要只重复字段名。
- Schema 不承载某次运行的数据，也不要把 Token、密码或真实个人身份信息写入示例。
MINIMUM JSON SCHEMA
{
"type": "object",
"description": "待检测的图像",
"properties": {
"image_uri": {"type": "string", "description": "授权访问的图片引用"}
},
"required": ["image_uri"]
}算法参数：改变 Worker 的运行行为
算法参数由 Worker 在运行时读取，例如置信度阈值、IoU 阈值、窗口长度或融合权重。注册算法时保存的是推荐起点；创建推理流时平台会在不覆盖手工内容的前提下建议该版本的默认参数。
- 参数必须是 JSON 对象；没有参数时使用 {}。
- 推荐值属于具体算法版本，不应假设其他版本具有相同含义。
- 最终下发给 Worker 的仍是保存到推理流记录中的 parameters。
RUNTIME PARAMETERS
{
"confidence_threshold": 0.5,
"iou_threshold": 0.45
}元数据：用于业务标记与检索
元数据由平台或业务系统用于标记、检索和审计，算法不会读取，也不改变执行结果。它完全可选，示例按钮只负责填充编辑器。
- 站点 / 摄像头：使用 site_id 和 camera_id 等内部匿名标识。
- 设备 / 采集记录：使用 device_id 和 capture_id，避免写入设备密钥。
- 匿名评估会话：只使用随机 session_id，不包含姓名、手机号或证件号。
BUSINESS METADATA
{
"site_id": "site-a",
"camera_id": "camera-01"
}九类静态教学示例如何使用
以下为独立的静态教学资料，不读取部署环境中的自定义配置。实际注册默认配置由管理员在算法类型管理页维护；选择算法类型后填充输入示例、输入 Schema、输出示例、输出 Schema、结果筛选维度和推荐参数。输入示例仅用于反推输入 Schema，不保存到算法版本，其他信息保持不变。
如果目标字段已有内容，页面会在整体替换六项配置前请求确认，取消时恢复原算法类型与全部配置。应用后仍可在 JSON 编辑器中修改、格式化和检查语法。六项默认配置均为空时保留当前内容并提示自行填写；页面加载时读取默认值，管理员修改后需刷新注册页。
- 视觉：人脸识别
- 视觉：目标检测
- 视觉：目标检测与识别
- 视觉：图像分割
- 视觉：视频跟踪
- 视觉：视频心理评估
- 数字信号：IMU 信号分类
- 多模态：IMU + 视频
- 多模态：视频 + 量表心理评估
视觉 · 人脸识别
从图片或视频帧定位人脸，并返回身份标识、相似度和活体结果。
- 算法类型稳定标识：face_recognition。
- 下面示例包含输入 Schema、输出 Schema、推荐参数与安全的匿名元数据，可复制后继续修改。
人脸识别 / 完整起点
{
"input_schema": {
"type": "object",
"description": "待识别的人脸图像。",
"properties": {
"image_uri": {
"type": "string",
"description": "可访问的图片或视频帧引用。"
},
"gallery_id": {
"type": "string",
"description": "用于比对的匿名人脸库标识。"
}
},
"required": [
"image_uri"
]
},
"output_schema": {
"type": "object",
"description": "人脸定位与身份比对结果。",
"properties": {
"faces": {
"type": "array",
"description": "人脸结果列表；每项包含 bbox、identity_id、similarity 与 liveness。"
}
},
"required": [
"faces"
]
},
"default_parameters": {
"similarity_threshold": 0.78,
"liveness_enabled": true
},
"metadata_example": {
"site_id": "site-a",
"camera_id": "camera-01"
}
}视觉 · 目标检测
在图像或视频帧中检测对象类别、置信度和边界框。
- 算法类型稳定标识：object_detection。
- 下面示例包含输入 Schema、输出 Schema、推荐参数与安全的匿名元数据，可复制后继续修改。
目标检测 / 完整起点
{
"input_schema": {
"type": "object",
"description": "待检测的图像。",
"properties": {
"image_uri": {
"type": "string",
"description": "图片或视频帧引用。"
}
},
"required": [
"image_uri"
]
},
"output_schema": {
"type": "object",
"description": "目标检测结果。",
"properties": {
"detections": {
"type": "array",
"description": "检测列表；每项包含 label、confidence 与 bbox。"
}
},
"required": [
"detections"
]
},
"default_parameters": {
"confidence_threshold": 0.5,
"iou_threshold": 0.45
},
"metadata_example": {
"site_id": "site-a",
"camera_id": "camera-01"
}
}视觉 · 目标检测与识别
先定位目标，再识别对象身份或属性。
- 算法类型稳定标识：detection_recognition。
- 下面示例包含输入 Schema、输出 Schema、推荐参数与安全的匿名元数据，可复制后继续修改。
目标检测与识别 / 完整起点
{
"input_schema": {
"type": "object",
"description": "待检测和识别的图像。",
"properties": {
"image_uri": {
"type": "string",
"description": "图片或视频帧引用。"
},
"catalog_id": {
"type": "string",
"description": "可选的匿名对象目录标识。"
}
},
"required": [
"image_uri"
]
},
"output_schema": {
"type": "object",
"description": "检测及识别结果。",
"properties": {
"objects": {
"type": "array",
"description": "对象列表；包含 detection、identity_id 或 attributes。"
}
},
"required": [
"objects"
]
},
"default_parameters": {
"detection_threshold": 0.5,
"recognition_threshold": 0.75
},
"metadata_example": {
"site_id": "site-a",
"camera_id": "camera-01"
}
}视觉 · 图像分割
按像素或多边形返回图像中的语义区域。
- 算法类型稳定标识：image_segmentation。
- 下面示例包含输入 Schema、输出 Schema、推荐参数与安全的匿名元数据，可复制后继续修改。
图像分割 / 完整起点
{
"input_schema": {
"type": "object",
"description": "待分割的图像。",
"properties": {
"image_uri": {
"type": "string",
"description": "图片引用。"
}
},
"required": [
"image_uri"
]
},
"output_schema": {
"type": "object",
"description": "分割类别与区域。",
"properties": {
"segments": {
"type": "array",
"description": "分割结果；包含 label 以及 mask_uri 或 polygon。"
}
},
"required": [
"segments"
]
},
"default_parameters": {
"confidence_threshold": 0.5,
"output_format": "polygon"
},
"metadata_example": {
"site_id": "site-a",
"camera_id": "camera-01"
}
}视觉 · 视频跟踪
在连续视频帧中保持对象轨迹 ID 并输出时序位置。
- 算法类型稳定标识：video_tracking。
- 下面示例包含输入 Schema、输出 Schema、推荐参数与安全的匿名元数据，可复制后继续修改。
视频跟踪 / 完整起点
{
"input_schema": {
"type": "object",
"description": "视频流或连续帧。",
"properties": {
"video_uri": {
"type": "string",
"description": "视频流或文件引用。"
}
},
"required": [
"video_uri"
]
},
"output_schema": {
"type": "object",
"description": "当前帧的轨迹结果。",
"properties": {
"tracks": {
"type": "array",
"description": "轨迹列表；包含 track_id、timestamp、label 与 bbox。"
}
},
"required": [
"tracks"
]
},
"default_parameters": {
"confidence_threshold": 0.5,
"track_buffer": 30
},
"metadata_example": {
"site_id": "site-a",
"camera_id": "camera-01"
}
}视觉 · 视频心理评估
根据匿名视频片段输出评估维度、分值、置信度和数据质量；结果不等同于医疗诊断。
- 算法类型稳定标识：video_psychological_assessment。
- 下面示例包含输入 Schema、输出 Schema、推荐参数与安全的匿名元数据，可复制后继续修改。
视频心理评估 / 完整起点
{
"input_schema": {
"type": "object",
"description": "匿名评估视频。",
"properties": {
"video_uri": {
"type": "string",
"description": "授权访问的视频引用。"
},
"session_id": {
"type": "string",
"description": "匿名评估会话标识。"
}
},
"required": [
"video_uri",
"session_id"
]
},
"output_schema": {
"type": "object",
"description": "非诊断性的心理评估结果。",
"properties": {
"dimensions": {
"type": "array",
"description": "维度、分值与置信度列表。"
},
"data_quality": {
"type": "number",
"description": "输入数据质量，范围 0 到 1。"
}
},
"required": [
"dimensions",
"data_quality"
]
},
"default_parameters": {
"window_seconds": 30,
"minimum_data_quality": 0.7
},
"metadata_example": {
"assessment_session_id": "session-anonymous-001"
}
}数字信号 · IMU 信号分类
对固定采样率的多轴 IMU 时间窗口进行分类。
- 算法类型稳定标识：imu_classification。
- 下面示例包含输入 Schema、输出 Schema、推荐参数与安全的匿名元数据，可复制后继续修改。
IMU 信号分类 / 完整起点
{
"input_schema": {
"type": "object",
"description": "IMU 多轴采样窗口。",
"properties": {
"sampling_rate_hz": {
"type": "number",
"description": "采样率 Hz。"
},
"samples": {
"type": "array",
"description": "按时间排列的轴向样本。"
}
},
"required": [
"sampling_rate_hz",
"samples"
]
},
"output_schema": {
"type": "object",
"description": "窗口分类及各类别概率。",
"properties": {
"label": {
"type": "string",
"description": "预测类别。"
},
"probabilities": {
"type": "object",
"description": "类别到概率的映射。"
}
},
"required": [
"label",
"probabilities"
]
},
"default_parameters": {
"window_size": 128,
"step_size": 64,
"sampling_rate_hz": 100
},
"metadata_example": {
"device_id": "device-017",
"capture_id": "capture-20260905-01"
}
}多模态 · IMU + 视频
对同步的 IMU 与视频数据进行融合，输出事件及时间段。
- 算法类型稳定标识：imu_video_fusion。
- 下面示例包含输入 Schema、输出 Schema、推荐参数与安全的匿名元数据，可复制后继续修改。
IMU + 视频 / 完整起点
{
"input_schema": {
"type": "object",
"description": "同步的双模态输入。",
"properties": {
"imu_uri": {
"type": "string",
"description": "IMU 采集数据引用。"
},
"video_uri": {
"type": "string",
"description": "视频引用。"
},
"sync_timestamp": {
"type": "number",
"description": "双模态同步时间戳。"
}
},
"required": [
"imu_uri",
"video_uri",
"sync_timestamp"
]
},
"output_schema": {
"type": "object",
"description": "融合识别事件。",
"properties": {
"events": {
"type": "array",
"description": "事件列表；包含 label、start_time、end_time 与 confidence。"
}
},
"required": [
"events"
]
},
"default_parameters": {
"imu_weight": 0.5,
"video_weight": 0.5,
"sync_tolerance_ms": 100
},
"metadata_example": {
"device_id": "device-017",
"capture_id": "capture-20260905-01"
}
}多模态 · 视频 + 量表心理评估
融合匿名视频与量表回答，输出维度分值和数据质量；结果不等同于医疗诊断。
- 算法类型稳定标识：video_scale_assessment。
- 下面示例包含输入 Schema、输出 Schema、推荐参数与安全的匿名元数据，可复制后继续修改。
视频 + 量表心理评估 / 完整起点
{
"input_schema": {
"type": "object",
"description": "匿名视频及量表回答。",
"properties": {
"video_uri": {
"type": "string",
"description": "授权访问的视频引用。"
},
"anonymous_responses": {
"type": "object",
"description": "不含直接身份信息的量表回答。"
},
"session_id": {
"type": "string",
"description": "匿名评估会话标识。"
}
},
"required": [
"video_uri",
"anonymous_responses",
"session_id"
]
},
"output_schema": {
"type": "object",
"description": "融合评估结果。",
"properties": {
"dimensions": {
"type": "array",
"description": "评估维度及分值。"
},
"data_quality": {
"type": "number",
"description": "融合数据质量，范围 0 到 1。"
}
},
"required": [
"dimensions",
"data_quality"
]
},
"default_parameters": {
"video_weight": 0.6,
"scale_weight": 0.4,
"minimum_data_quality": 0.7
},
"metadata_example": {
"assessment_session_id": "session-anonymous-001"
}
}安全与评估边界
Schema、参数和元数据都可能进入数据库、日志、导出文件或排障截图，应遵循最小化原则。心理评估模板的输出只表示算法估计，不等同于医疗诊断，也不能替代专业人员判断。
- 不要写入密码、Token、签名 URL、私钥或摄像头明文凭据。
- 人脸、心理和生理相关数据应取得授权，使用匿名引用，并限制用途和保留时间。
- 在生产发布前，由算法工程师与调用方共同核对字段、单位、阈值范围和错误处理。