事实上, 对上面裁剪过的图像进行分类的人也会预测 y=0。因此, 您可以清楚地将此错误归因于 猫 检测器。
另一方面, 如果 猫 检测器输出了以下边界框:
[图片上传失败......但这里有一个更正式的测试, 让您更明确地将错误归因于一个组件:
用手动标记的边界框替换 猫 检测器输出。
通过猫品种分类器运行相应的裁剪图像。...如果猫品种分类器仍将其错误分类,则将错误归因于猫品种分类器。 否则,将错误归因于猫检测器。
换句话说, 运行一个实验, 你给猫品种分类器一个 "完美" 的输入。...(image-e75fa4-1538237677506)]
对于系统在开发集上所犯的每个错误:
尝试手动修改 A 的输出为 "完美" 输出 (如 猫 的 "完美" 边界框), 并运行此输出的流水线的其余组件...也就是说, 人类获得相机图像可以为汽车规划出更好的路径。你能得出什么结论?
唯一可能的结论是 ML 流水线有缺陷。在这种情况下, 计划路径组件的工作方式以及它可以提供的输入, 但输入不包含足够的信息。