Evidential

Evidential Deep Learning to Quantify Classification Uncertainty

本片文章发表于NeurIPS2018。文章链接：https://arxiv.org/abs/1806.01768一、概述近年来，神经网络在不同领域取得了革命性的进步，尤其是在dropout、normalization以及skipconnection等方法被提出之后，撼动了整个机器学习领域。在拥有足够的labelleddata的条件下，训练一个拥有卓越性能的神经网络模型已经不再是一件稀奇的事情了，我
Rad1ant_up·2023-12-30 07:06

ELFNet: Evidential Local-global Fusion for Stereo Matching

论文地址：https://arxiv.org/pdf/2308.00728.pdf源码地址：https://github.com/jimmy19991222/ELFNet概述  针对现有立体匹配模型面临可靠性和跨域泛化的问题，本文提出了EvidentialLocal-globalFusion（ELF）框架，该框架包含了不确信估计和置信度感知融合模块，并基于模糊不确定性和认知不确定性来预测视差图。此
CV科研随想录·2023-09-07 10:39

Evidential Deep Learning to Quantify Classification Uncertainty-2018-部分翻译

EvidentialDeepLearningtoQuantifyClassificationUncertainty摘要1介绍（待补充）2使用softmax建模类概率的不足（待补充）3不确定性和证据理论（部分内容）4LearningtoFormOpinions（公式太多省略）5实验（待补充）6相关工作7结论摘要确定性神经网络已被证明：对于广泛的机器学习问题，确定性神经网络能够学习到有效的预测器。然而
_Cat_·2022-12-25 23:31

NIPS2018深度学习(8)|亮点：实证深度学习、贝叶斯、半监督众包聚类

LanceKaplan,MelihKandemirOzyeginUniversity,Adelphi,Robert-Bosch-Campushttps://papers.nips.cc/paper/7580-evidential-deep-learning
frank_hetest·2020-07-04 17:29
上一页 1 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他