在训练 CNN 进行图像对象识别时，可以考虑标签的不确定性
Posted
技术标签:
【中文标题】在训练 CNN 进行图像对象识别时，可以考虑标签的不确定性【英文标题】：it is possible to consider the uncertainties of labels when training CNNs for image object recognition 【发布时间】：2020-03-28 04:39:51 【问题描述】：我已经自动创建了一个用于相机图像对象检测的数据集。但是，我用于此的算法会出错。但我可以计算出不确定性
现在我的问题是：在训练神经网络时是否可以考虑这些不确定性？如果是这样，怎么做？你们中有人读过有关它的论文吗？
不幸的是，我自己找不到任何关于它的信息。 （也许我只是在搜索中使用了错误的关键字）
首先，非常感谢您的帮助！
ps：一些细节：我有一个带有激光雷达的机器人，它正在使用常见的 slam 算法计算物体的位置。我可以计算该位置的协方差矩阵。我使用这些信息为 2d 图像创建标签。以后我想用便宜的相机来做和激光雷达一样的工作
【问题讨论】：
【参考方案1】：如果我没看错你的问题，那是关于嘈杂的训练数据集？ 如果是这样，有一些论文可以解决这个问题 - 例如。
https://arxiv.org/pdf/1705.03419.pdf
或
https://jingdongwang2017.github.io/Pubs/CVPR16-DisturbLabel.pdf
希望这些论文有点帮助:)
【讨论】：
以上是关于在训练 CNN 进行图像对象识别时，可以考虑标签的不确定性的主要内容，如果未能解决你的问题，请参考以下文章