用于开集识别的整体不确定性估计
计算机视觉与模式识别
2025-06-12 v2 人工智能
机器学习
摘要
准确的不确定性估计是开集识别中的一个关键挑战，其中探针生物识别样本可能属于未知身份。这可以通过概率嵌入的样本质量估计来解决。然而，概率嵌入的低方差仅部分意味着低识别错误概率：样本的嵌入可能接近图库中的多个类别，因此尽管样本质量高，仍会产生高不确定性。我们提出了 HolUE——一种基于贝叶斯概率模型的整体不确定性估计方法；它感知到开集识别系统中两个模糊性来源：(1) 由类别重叠引起的图库不确定性，以及 (2) 嵌入的不确定性。具有挑战性的开集识别数据集，如图像领域的 IJB-C 和音频领域的 VoxBlink，作为我们方法的测试平台。我们还提供了一种用于鲸鱼和海豚识别的新开集识别协议。在所有情况下，HolUE 比其他不确定性估计方法（包括仅基于样本质量的方法）能更好地识别识别错误。
引用
@article{arxiv.2408.14229,
title = {Holistic Uncertainty Estimation For Open-Set Recognition},
author = {Leonid Erlygin and Alexey Zaytsev},
journal= {arXiv preprint arXiv:2408.14229},
year = {2025}
}