预测准确性与可靠性：在分布转移下的分类与目标定位
原文中文，约2100字，阅读约需5分钟。发表于：。本研究探讨了自然分布转移对卷积神经网络（CNN）在真实交通数据中的检测质量和置信度评估的影响，填补了这一领域的空白。提出了一种新颖的数据集，涵盖恶劣天气场景，模拟降雨和雾霾，以及边界情况，揭示了不同类型分布转移对任务性能和置信度估计的影响。重要发现为在特定分布转移下，采用MC-Dropout的选择性整合可提升任务性能和置信度估计。
本研究探讨了自然分布转移对CNN在真实交通数据中的检测质量和置信度评估的影响。提出了一种新颖的数据集，包括恶劣天气场景和边界情况。研究发现在特定分布转移下，采用MC-Dropout的选择性整合可提升任务性能和置信度估计。
