Inteligência artificial que sabe dizer "não sei": Estimação de incerteza e predição seletiva para modelos de aprendizado profundo com ênfase em datasets desbalanceados

Abstract

Modelos de aprendizado profundo para classificação de imagens são desafiados por datasets desbalanceados, comuns em aplicações críticas como a medicina. A Classificação Seletiva, que permite ao modelo abster-se de previsões incertas, é uma solução para garantir a confiabilidade, mas métodos existentes, são computacionalmente ineficientes para problemas com muitas classes. Este vídeo resume o trabalho que investigou e avaliou novas abordagens post-hoc mais eficientes para otimizar o Erro Balanceado Seletivo (SBER).