Réponse rapide
La détection profonde utilise un réseau appris pour localiser objets ou événements dans des données et produire boîtes, masques, classes ou scores avec une inférence numérique.
Un réseau appris ne connaît pas toutes les scènes
Confiance élevée peut masquer domaine nouveau, image dégradée ou biais de données. Conservez abstention et vérification indépendante.
Apprendre des représentations
Le modèle transforme pixels, points ou signaux en caractéristiques puis estime présence, position et catégorie selon les données d’entraînement.
Choisir la sortie
Détection, segmentation, pose et suivi répondent à des besoins différents de perception et d’action.
Encadrer l’inférence
Seuils, confiance, inconnus, latence, mémoire et repli doivent être définis avant l’usage sur le robot.
Sources et références
- [1] Robotics and Autonomous Systems — NIST