基于 LiDAR 的语义分割中不确定性估计的校准
计算机视觉与模式识别
2023-08-07 v1
摘要
基于深度学习的感知模型的置信度校准在其可靠性中起着关键作用。尤其在自动驾驶背景下,预测与规划等下游任务依赖于准确的置信度估计。在像语义分割这样的逐点多类分类任务中,模型必须应对严重的类别不平衡。由于代表性不足,较小实例类别的置信度校准具有挑战性但至关重要,不仅出于安全原因。我们提出一种度量,用于衡量语义分割模型相对于各个类别的置信度校准质量。它通过基于不确定性估计为每个类别计算稀疏化曲线得到。我们使用该分类校准度量来评估不确定性估计方法在代表性不足类别置信度校准方面的表现。我们还建议该方法的双重用途,以自动发现标注问题,从而改进人工或自动标注数据集的质量。
引用
@article{arxiv.2308.02248,
title = {On the Calibration of Uncertainty Estimation in LiDAR-based Semantic Segmentation},
author = {Mariella Dreissig and Florian Piewak and Joschka Boedecker},
journal= {arXiv preprint arXiv:2308.02248},
year = {2023}
}
备注
accepted at IEEE ITSC 2023