用于模型校准的邻域平滑方法

研究人员提出将图平滑作为神经网络训练期校准的通用原则，通过惩罚表征空间中相邻样本预测分布间的 Jensen-Shannon 散度来缓解过度自信问题。该方法与事后校准互补，在结合温度缩放后，于 8 个图像与表格基准设置中的 7 个取得了所有参评训练期方法中最低的 NLL。