结合分割一致预测与贝叶斯深度学习的超出分布覆盖率

💡 原文中文,约400字,阅读约需1分钟。
📝

内容提要

本文研究了贝叶斯深度学习和符合性预测在多类图像分类中的应用。研究发现,当模型缺乏信心时,符合性集合可能比简单预测集合的带外覆盖更差;而当模型过于自信时,采用符合性预测可以提高带外覆盖。研究结果还表明,将贝叶斯深度学习模型与拆分符合性预测相结合可能导致意外后果,如降低带外覆盖。

🏷️

标签

➡️

继续阅读