知识点 › 场景挖掘与标注

不确定性度量

Uncertainty

场景挖掘与标注Lv.3

定义

四类：①预测熵/最大类概率（分类）；②回归方差/多模态分歧（轨迹）；③时序不一致（跟踪 ID 跳变、框抖动）；④模型间分歧（集成/新旧模型）。车端与云端可用不同的度量。

关键要点

  • 分类的不确定性 ≠ 定位的不确定性，二者要分开算
  • 要在「校准」后再用：未校准的置信度会误导采样
  • 工程上常用便宜的代理指标（如检测框数量突变）替代严格不确定度

面试怎么答

能说出「校准」与「代理指标」，是做过在线挖掘的标志。

相关知识

  • 语义触发 — 用车端轻量模型在线判断语义状态并触发：检测置信度低、出现新类别、占用栅格异常、可行驶区域突变、跟踪 ID 频繁切换、预…
  • 主动学习 — 按「模型最不确定/最有信息量」挑样本标注：不确定性采样（熵、margin、MC Dropout）、多样性采样（聚类中心…
在星图上打开这颗星 →