Réponse rapide
Les biais d’un modèle de vision s’évaluent par groupes et contextes pertinents, en comparant erreurs, seuils, calibration, qualité de capteur et conséquences sans déduire la cause d’un seul écart.
Couvrir
Collectez personnes, objets, éclairages, caméras, distances et arrière-plans réellement rencontrés. Documentez classes absentes, labels incertains et limites de représentation.
Comparer
Mesurez rappel, faux positifs, délai, abstention et confiance par groupe et condition, avec intervalles. Contrôlez résolution, cadrage et exposition avant d’interpréter l’écart.
Corriger
Agissez sur données, capteur, seuil, supervision, alternative et procédure, puis revalidez sur test figé. Un biais persistant ou non expliqué limite le déploiement.
Sources et références
- [1] Robotics and Autonomous Systems — NIST