语义分割中假阳性与假阴性样本的检测
计算机视觉与模式识别
2019-12-10 v1 机器学习
机器学习
摘要
近年来,深度学习方法在图像识别中超越了其他方法。这激发了对深度学习技术潜在应用的设想,包括医学图像解读或自动驾驶等安全相关应用。然而,从辅助人类决策者到日益自动化的系统的转变,增加了妥善处理深度学习模块失效模式的需求。在本文中,我们回顾了一组基于不确定性量化的机器学习算法自监测技术。特别地,我们将其应用于语义分割任务,即机器学习算法根据语义类别分解图像。我们讨论了实例层面的假阳性与假阴性错误模式,并回顾了作者近期提出的此类错误检测技术。我们还展望了未来的研究方向。
引用
@article{arxiv.1912.03673,
title = {Detection of False Positive and False Negative Samples in Semantic Segmentation},
author = {Matthias Rottmann and Kira Maag and Robin Chan and Fabian Hüger and Peter Schlicht and Hanno Gottschalk},
journal= {arXiv preprint arXiv:1912.03673},
year = {2019}
}