基于超意见证据深度学习不确定性的图像分类分布外数据检测方法

本发明涉及计算机图像处理领域，具体涉及一种基于超意见证据深度学习不确定性的图像分类分布外数据检测方法。包括以下步骤：步骤1数据集准备：步骤2超意见网络搭建及其训练优化；步骤3图像类别预测和分布外检测；本发明对传统证据理论的不确定性方法框架进行了创新性的扩展和完善，能够提取被传统证据深度学习忽略的图像共有的证据，能够更全面地提取证据，充分利用复杂图像中丰富的相似特征，从而显著提升对分布外数据的检测能力，并增强机器学习辅助应用的可靠性，显著提高模型对分布外数据的识别效果。
同济大学
陈宇飞 | 屈靖恩