Confiança de 90% significa 90% de chance de estar certo?
Não necessariamente. O escore pode não estar calibrado e depende do modelo e do contexto.
Imersão
ImersãoDois dias para transformar IA em criatividade aplicada. In CompanyO método do IA Lab dentro do seu escritório.Conteúdos abertos
Área do alunosó para alunos
Object Detection · Detector de objetos
Detecção de objetos é a tarefa de localizar ocorrências de categorias em imagens ou vídeos e atribuir a cada uma uma classe e uma região.
A saída típica contém caixas delimitadoras, classes e escores de confiança. Alguns sistemas também produzem pontos ou máscaras.
O desempenho depende das categorias, da escala, da oclusão e da semelhança entre dados de treinamento e uso.
O modelo extrai características e prevê candidatos de localização e classe. Uma etapa de filtragem reduz sobreposições e aplica limiares.
A avaliação considera acertos por interseção de caixas, precisão e recall em diferentes classes e tamanhos.
Imagens de um canteiro são usadas para sinalizar equipamentos em áreas delimitadas, com confirmação humana antes de qualquer ação de segurança.
O modelo pode perder objetos pequenos, parcialmente ocultos ou fora do domínio de treinamento.
Limiar de confiança não equivale a probabilidade calibrada nem elimina falsos positivos e negativos.
Computer Vision, Classificação, Segmentação de imagem, Rotulagem de dados, Precisão, Recall
Não necessariamente. O escore pode não estar calibrado e depende do modelo e do contexto.
Não. Pode priorizar revisão, mas decisões críticas exigem protocolo, evidência e responsável qualificado.
Revisado em 2026-10-18.