量化城市安全感知深度学习模型的不确定性：MC Dropout方法
Quantifying uncertainty in deep learning models for urban safety perception: An MC Dropout approach
发表于 2026年11月5日 · 收录于雷达 2026年11月6日
中文摘要
研究探讨以蒙特卡洛Dropout（MC Dropout）量化城市安全感知深度学习模型的不确定性，并使用基于ResNet的卷积神经网络，在PlacePulse 2.0全球城市数据集及智利圣地亚哥案例中进行评估。该方法可生成逐图像不确定性估计，预测准确率略有提升；但研究未检验估计是否经过校准或能否反映预测可靠性。