基于保角预测与保角风险控制的置信目标检测：以铁路信号为例的应用
机器学习
2023-08-21 v2 机器学习
摘要
在真实世界的认证系统中部署深度学习模型，需要具备能够准确反映其不确定性的置信度估计能力。本文中，我们展示了利用保角预测（conformal prediction）框架构建用于铁路信号检测的可靠且可信预测器。我们的方法基于一个包含从列车驾驶员视角拍摄图像的新数据集以及最先进的目标检测器。我们测试了多种保角方法，并提出了一种基于保角风险控制的新方法。我们的研究结果表明，保角预测框架在评估模型性能并提供形式化保证的不确定性边界方面的实际指导上具有潜力。
引用
@article{arxiv.2304.06052,
title = {Confident Object Detection via Conformal Prediction and Conformal Risk Control: an Application to Railway Signaling},
author = {Léo Andéol and Thomas Fel and Florence De Grancey and Luca Mossina},
journal= {arXiv preprint arXiv:2304.06052},
year = {2023}
}