知识卡片
分布偏移风险
视觉分类器在测试数据与训练数据相似时表现好,但真实部署常遇到光照、角度、传感器和场景变化。高准确率不等于高可靠性,必须关注分布偏移。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 计算机视觉 25.7 计算机视觉的应用 · 查看原书依据
只有当训练数据和测试数据服从同一分布时,我们才能从理论上保证学习到的分类器性能良好。我们无法判断此约束是否适用于图像处理,但根据经验,我们观察到图像分类器和物体检测器都表现得非常好。
参考来源
- 位置:《人工智能:现代方法(第4版)(上下册)》第25章《计算机视觉》(源文件:`extracted/人工智能:现代方法(第4版)(上下册)/_epub-src/text/part0047_split_007.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:视觉分类器在测试数据与训练数据相似时表现好,但真实部署常遇到光照、角度、传感器和场景变化。原文从「25.7 计算机视觉的应用」处给出对应机制与依据,支撑本卡结论。
- 原始内容:只有当训练数据和测试数据服从同一分布时,我们才能从理论上保证学习到的分类器性能良好。我们无法判断此约束是否适用于图像处理,但根据经验,我们观察到图像分类器和物体检测器都表现得非常好。