颜色分类LeetCode-UQ_BNN：利用贝叶斯神经网络评估分类中的不确定性（MIDL 2018, CSDA）

简介：
本研究在MIDL 2018会议上发表于CSDA，提出了一种使用贝叶斯神经网络的方法，用于颜色分类任务中评估模型的预测不确定性。 该存储库提供了论文“在分类中使用贝叶斯神经网络的不确定性量化：在生物医学图像分割中的应用”的Keras实现版本。本段落扩展了相关研究，并展示了所提出方法的应用，具体是在两个生物医学成像分割数据集上的表现：ISLES和DRIVE数据集。 一旦你有一个训练完成的贝叶斯神经网络，建议的方法来量化不确定性很简单。在一个二进制分割任务中，如果得到一个具有维度（估计数，特征维度）的numpy数组p_hat，则可以通过以下代码获得认知不确定性和随机性不确定性： ```makefile epistemic = np.mean(p_hat**2, axis=0) - np.mean(p_hat, axis=0)**2 aleatoric = np.mean(p_hat * (1-p_hat), axis=0) ``` 所提出的方法与Kendall的工作进行了比较，并展示了其在处理医学图像分割任务中的有效性。