在训练CNNs进行图像目标识别时，可以考虑标签的不确定性。

Question

我已经自动创建了一个数据集，用于摄像机图像的目标检测。但是，我使用的算法会出错。但我可以计算出

现在我的问题是:在训练神经网络时，能考虑到这些不确定性吗？如果是这样的话，是怎么做的？你们中有谁读过关于这件事的报纸吗？

不幸的是，我自己找不到任何关于它的东西。(也许我只是在搜索中使用了错误的关键字)

首先，非常感谢您的帮助！

ps:一些细节:我有一个带有激光雷达的机器人，它用一个普通的slam算法计算他对一个物体的位置。我可以计算这个职位的期望矩阵。我使用这些信息为2d图像创建标签。稍后，我想用一台便宜的照相机和激光雷达做同样的工作。

Answer 1

如果我把你的问题说对了，那就是关于一个嘈杂的训练数据集？如果是这样的话，有一些论文可以用来解决这个问题。

https://arxiv.org/pdf/1705.03419.pdf

或

https://jingdongwang2017.github.io/Pubs/CVPR16-DisturbLabel.pdf

希望那些论文有一点帮助：