Réponse rapide
Pour éviter les biais dans un jeu de données de segmentation, on diversifie lieux, personnes, objets et conditions, contrôle les annotations, sépare les sources et analyse les erreurs par groupe.
Un jeu de données déséquilibré déplace le risque
Inspectez classes, lieux, personnes et annotations et rapportez les erreurs par groupe au lieu de masquer l’écart dans une moyenne.
Couvrir la diversité
Caméra, environnement, saison, luminosité, morphologie, accessibilité et fréquence des classes sont examinés avant entraînement.
Contrôler les masques
Règles de contour, objets partiels, classe inconnue et désaccord entre annotateurs sont documentés et audités.
Mesurer les écarts
Précision, rappel, oubli et confiance sont comparés par contexte sans utiliser une moyenne qui masque un groupe mal servi.
Sources et références
- [1] Robotics and Autonomous Systems — NIST