Réponse rapide
Diagnostiquer une mauvaise segmentation demande d’examiner image, annotation, calibration, distribution, seuils, latence et contexte d’erreur, puis de reproduire le cas avant correction.
Corriger sans reproduire ne prouve rien
Conservez le cas d’erreur, modifiez une cause à la fois et réévaluez sur des données intactes et représentatives.
Lire l’erreur
Faux contour, classe confondue, région manquante, fuite, occlusion et objet minuscule n’ont pas la même cause.
Comparer les conditions
Lumière, caméra, distance, vitesse, fond et compression révèlent si le modèle sort de son domaine plutôt qu’un simple défaut aléatoire.
Corriger avec preuve
Annotation, calibration, prétraitement, seuil et modèle sont modifiés séparément puis réévalués sur une partition intacte.
Sources et références
- [1] Robotics and Autonomous Systems — NIST