cvpr 深度估计_无监督单目视频深度估计中的uncertainty方法(CVPR'20)

e6186807ad0e4ea18360d3f098adffe5.png

Contribution

  1. 对11种使用uncertainty方法的全面评估
  2. 深度挖掘uncertainty对depth estimation起到的作用
  3. 提出一个新颖的self-teaching方法去model uncertainty

文中使用的uncertainty estimation分为两个类别:empirical uncertainty estimation和predictive uncertainty estimation,empirical的做法基本都是得到N个model得到N个输出,然后计算均值和方差;而predictive呢则是直接预测出uncertainty,下面分别介绍。

Empirical uncertainty estimation

Dropout Sampling

大概就是训练的时候层与层之间的连接以p的概率随机drop防止过拟合,测试的时候也去drop,一个forward跑N次就可以得到N个不同的model了,然后就可以计算model输出值的均值和方差了:

a2b1ace86997ebe9ac26a3e6d0a2a6ea.png

Bootstra

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值