Réponse rapide
Les fausses reconnaissances diminuent en séparant inconnu et classes proches, en calibrant seuils, en diversifiant les données et en vérifiant contexte et géométrie.
Avertissement de sécurité
Réduire les faux positifs en abaissant le rappel peut manquer un objet critique. Mesurez les deux erreurs et prévoyez abstention ou repli.
Diagnostiquer
Regroupez erreurs par objet, fond, distance, lumière, pose, capteur et classe et inspectez les cas difficiles plutôt que le score global.
Corriger
Ajoutez négatifs et inconnus, utilisez suivi et cohérence multi-vues et ajustez seuils selon coût des erreurs. Évitez de sacrifier le rappel des cas critiques.
Valider
Testez données indépendantes et mesurez faux positifs, faux négatifs et abstentions par scénario. Une classe instable réduit le domaine d’action.
Sources et références
- [1] Robotics and Autonomous Systems — NIST