膝点法与ROC曲线
机器学习
2026-03-25 v3 计算机视觉与模式识别
摘要
自注意力Transformer已在较小数据集上证明了其图像分类的准确性。然而，一个局限性在于，迄今为止的测试均基于已知图像群体表示的单类图像检测。对于输入图像类别可能多于一种且测试集缺乏图像群体表示完整信息的情况，必须调整准确率计算方法。接收者操作特征（ROC）准确率阈值可以解决多类输入图像的情况。然而，这种方法在图像群体表示未知的情况下并不适用。我们随后考虑使用膝点法在临时基础上确定阈值来计算准确率。针对由CIFAR-10图像创建的多类数据集，本文讨论了ROC曲线与膝点阈值在多类图像检测中的结果。
引用
@article{arxiv.2401.07390,
title = {Knee or ROC},
author = {Veronica Wendt and Jacob Steiner and Byunggu Yu and Caleb Kelly and Justin Kim},
journal= {arXiv preprint arXiv:2401.07390},
year = {2026}
}
备注
8 pages