Mar, 2024
语义分割中重新思考不确定性估计度量
Segmentation Re-thinking Uncertainty Estimation Metrics for Semantic
Segmentation
TL;DR计算机视觉领域中,语义分割是机器学习中的一个基础应用,其中图像的每个像素被分类为不同的语义类别,并通过不确定性量化来评估每个分割预测的可靠性。本研究针对基于熵的图像分割任务中的不确定性进行专门评估的度量标准PAvPU (Patch Accuracy versus Patch Uncertainty)存在的三个核心问题进行了调查,并提出了旨在改进该度量标准的强大解决方案。通过解决这些问题,我们旨在提高不确定性量化的可靠性和适用性,尤其在需要高水平安全性和准确性的场景中,为关键应用中的语义分割方法的进步做出贡献。