校准置信度查询不稳定样本
利用校准置信度可靠地估计样本信息量，解决未校准置信度导致的不可靠估计问题。
Yincheng, Han · 刘大江 · 尚家兴 · 郑林江 · 钟将 · Cao, Weiwei · Hong, Sun · Wu, Xie
Pattern Recognition 2024
通过整合训练过程中的中间预测，校准置信度能更准确地反映模型的真实不确定性，避免过度自信导致的选择偏差。
利用校准置信度捕获倾向性标签，能以较低成本标注决策边界附近最不稳定的样本，提升模型泛化能力。
在图像分类任务的多个基准上，该方法表现优于现有主动学习方法，证明了校准策略的有效性。