Réponse rapide
La confiance d’un réseau convolutionnel se mesure par calibration, stabilité, accord entre modèles ou capteurs, distance au domaine connu et performance ventilée par classe et environnement.
Comparer confiance et réussite
Une probabilité annoncée est confrontée à la fréquence réelle d’erreur. Courbes de calibration et intervalles sont calculés sur des données indépendantes.
Chercher les écarts
Lumière, pluie, caméra, distance, classe rare et occlusion modifient la fiabilité. Les sorties inconnues sont distinguées d’une classe négative.
Relier score et prudence
Confiance basse peut déclencher observation, vitesse réduite, repli ou validation humaine. Le seuil dépend du risque et non d’un nombre universel.
Sources et références
- [1] Robotics and Autonomous Systems — NIST