标签
本文提出H2EDL，一种用于层次分类的超证据深度学习模型，它能捕捉标签层次结构中多层次的不确定性，减少校准误差，并在细粒度识别任务中提高粗粒度类别的保留率。
提出了一种数学上严格的框架——变分推断的深度证据学习（VI-EDL），通过变分推断重新表述传统深度证据学习，推导出证据下界，建立泛化界，并在视觉和医学数据集上实现了最先进的性能，以解决传统深度证据学习的局限性。