10:27arXiv cs.LG@Dong Hyun Jeong, Feng Chen, Jin-Hee Cho, Lance M. Kaplan, Audun Jøsang, Soo-Yeon Ji论文提出不确定性激活图(UAM)框架,结合证据深度学习(EDL)和FullGrad,生成空间不确定性热力图。该方法区分空缺(缺乏证据)和不和谐(证据冲突)两种不确定性类型。通过主观逻辑和完全梯度分解,UAM可以定位图像中导致模型不确定的区域。在多个基准数据集上的评估表明,该框架弥补了不确定性量化与可解释性之间的差距。论文Uncertainty Activation MapEvidential Deep LearningFullGrad不确定性可视化推荐理由:这篇论文把不确定性可视化了,能告诉你模型哪里没学过、哪里证据打架,比光给一个置信度有用多了。原文