深度概率分割：分割模型是否为概率估计器？
计算机视觉与模式识别
2024-09-20 v1
摘要
深度学习通过实现高度准确的预测和估计，彻底改变了多个领域。一个重要应用是概率预测，即模型估计事件发生的概率，而非确定性结果。这种方法在需要对每幅图像中每个像素进行分类的分割任务中尤为重要且仍未得到充分探索。常规模型常常忽视标签的概率本质，但准确的不确定性估计对于提高模型的可靠性和适用性至关重要。本研究将校准概率估计 (CaPE) 应用于分割任务，以评估其对模型校准的影响。我们的结果表明，尽管 CaPE 改善了校准效果，但其作用不如分类任务显著，表明分割模型可天然提供更好的概率估计。我们还调查了数据集大小和二级优化对校准效果影响。我们的结果强调了分割模型作为概率估计器的表达能力，并纳入了对需要精确不确定性量化的应用的概率推理，这在此类应用中至关重要。
引用
@article{arxiv.2409.12535,
title = {Deep Probability Segmentation: Are segmentation models probability estimators?},
author = {Simone Fassio and Simone Monaco and Daniele Apiletti},
journal= {arXiv preprint arXiv:2409.12535},
year = {2024}
}