深度语义分割网络可靠性的时间动态估计
计算机视觉与模式识别
2026-01-13 v2 机器学习
图像与视频处理
摘要
在利用神经网络对街景进行语义分割时，预测的可靠性至关重要。通过不确定性评估神经网络是防止安全问题的常用思路。由于在自动驾驶等应用中可获得图像视频流，我们提出了一种时间动态方法来研究不确定性并评估神经网络的预测质量。我们随时间跟踪分割片段并收集每个片段的聚合度量，从而获得度量时间序列，并据此评估预测质量。这是通过分类交并比（intersection over union）等于 0 与大于 0，或直接预测交并比来实现的。我们针对这两项任务研究了不同模型，并分析了时间序列长度对我们度量预测能力的影响。
引用
@article{arxiv.1911.05075,
title = {Time-Dynamic Estimates of the Reliability of Deep Semantic Segmentation Networks},
author = {Kira Maag and Matthias Rottmann and Hanno Gottschalk},
journal= {arXiv preprint arXiv:1911.05075},
year = {2026}
}