如何理解伪标签中的置信度

伪标签中常常有置信度这一说法，通过置信度，我们可以筛选出质量高的伪标签（直观来说是像素），那比如说预测结果为一个2×256×256的概率图，那针对一个像素的两个通道值，怎样才算质量高或者低呢？

answer：

预测结果是一个 2×256×256 的概率图，其中两个通道代表的是对应像素为某两个类别的概率。如果采用置信度过滤器，并且设置阈值为 0.9，那么对于每个像素，您会检查这两个通道的概率值。

通常，在二分类问题中（比如变化检测，类别可以是变化/未变化），两个通道的概率值是互补的，即一个通道的概率值越高，另一个通道的值就越低。因此，通常只有一个通道的概率值会接近或超过置信度阈值。

在案例中：

• 如果一个像素的两个通道的概率值都小于 0.9，这意味着模型对于这个像素属于任一类别都不够自信。
• 如果至少有一个通道的概率值大于或等于 0.9，这意味着模型对于这个像素属于相应类别有较高的自信。

因此，在应用置信度过滤器时：

• 如果希望保证高置信度的决策，应该只保留那些至少有一个通道概率值大于或等于 0.9 的像素作为高质量的标签。
• 对于那些两个通道的概率值都小于 0.9 的像素，可以认为模型对这些像素的分类不够自信，因此可以将这些像素的标签视为低质量，并在损失函数计算中排除它们。