德国联邦教育和研究部 发布 RegressionUQ, SegmentationUQ, ClassificationUQ 数据集, 应用在 地球观测、机器学习 领域

德国联邦教育和研究部 本次发布的数据集 RegressionUQ, SegmentationUQ, ClassificationUQ, 本文介绍了三个专门为地球观测（EO）机器学习模型不确定性量化（UQ）设计的基准数据集，分别是RegressionUQ、SegmentationUQ和ClassificationUQ。这些数据集分别针对回归、图像分割和场景分类三种常见的EO问题类型。数据集的内容包括高质量的数据源、预处理步骤和标签生成，特别关注如何计算参考不确定性。数据集的创建过程模拟了真实世界中的噪声和不确定性，以确保UQ方法的透明比较。这些数据集的应用领域主要集中在地球观测中的机器学习模型开发和比较，旨在提高模型输出的准确性和可靠性。

查看RegressionUQ, SegmentationUQ, ClassificationUQ

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。