误差归因至某个组件

假设猫检测器输出了这样的边界框：

, 即图片中没有猫。

猫检测器的效果很糟糕。 然而，一个技术娴熟的人类仍然可以从这种糟糕的裁剪图像中识别出暹罗猫。 那么我们是否可以将此误差归因于猫检测器或猫品种分类器两者之一（或两者兼有）呢？ 答案是模棱两可的。

情况1：即使给出了一个 “完美” 的边界框，猫品种分类器仍然错误地输出

. 在这种情况下，猫品种分类器很明显存在着问题。情况2：给定一个 “完美” 的边界框，品种分类器现在正确输出. 这表明只要猫检测器给出了一个更完美的边界框，那么整个系统的输出就是正确的。 因此，将误差归因于猫检测器。

通过对开发集误分类的图像执行此分析，你现在可以将每个误差明确地归因于一个组件。 这允许你对流水线不同组件所造成的误差程度进行估计，从而决定将注意力集中在哪儿。