Réponse rapide
Entraîner un modèle de segmentation d’image consiste à constituer des masques représentatifs, séparer apprentissage et évaluation, ajuster le modèle, puis mesurer erreurs et incertitude par contexte.
Une métrique moyenne peut cacher un oubli critique
Analysez petites régions, personnes, occlusions et erreurs par contexte et séparez les scènes proches entre apprentissage et test.
Préparer les annotations
Classes, contours, objets partiellement visibles, règles d’ambiguïté et qualité des masques sont définis avant l’apprentissage.
Éviter la fuite
Images d’une même scène, personne ou séquence restent dans une partition cohérente afin de mesurer généralisation réelle.
Évaluer par cas
Intersection, précision, rappel, petites régions, occlusions, latence et erreurs critiques sont analysés séparément.
Sources et références
- [1] Robotics and Autonomous Systems — NIST