Такая сильная неустойчивость оценки буквально означает даже не сырость, а тупо нерабочесть инструмента. В смысле, совсем-совсем нерабочесть. Я предположу, детектор - это хреновая нейронка, которая научилась выделять 3,5 признака. Нормальный инструмент учат так, чтобы он не цеплялся за мелочи, а форму ухватывал. Это как те нейронки-распознаватели старые, которые за какое-то устойчивое сочетание пикселей хватаются, и если в картинке эти пиксели поменять, то человек ничего не заметит, а нейронка начнёт вместо собаки на явном фото собаки находить кошку или младенца.