一种用于数据质量保证中分布外检测的新型统计度量
人工智能
2023-10-13 v1
摘要
问题域之外的数据对基于AI的智能系统的安全性构成重大威胁。为探究AI质量管理（AIQM）研究中的数据域与分布外（OOD）数据，本文提出利用深度学习技术进行特征表示，并开发一种用于OOD检测的新型统计度量。首先，为提取区分正常与OOD数据的低维代表性特征，本研究结合深度自编码器（AE）架构与神经元激活状态进行特征工程。随后，利用数据重建中的局部条件概率（LCP），开发了一种新颖且更优的统计度量来计算OOD检测分数。实验与评估在图像基准数据集与工业数据集上开展。通过与其他常见OOD检测统计度量的对比分析，所提研究在OOD与AIQM研究中被验证为可行且有效。
引用
@article{arxiv.2310.07998,
title = {A Novel Statistical Measure for Out-of-Distribution Detection in Data Quality Assurance},
author = {Tinghui Ouyang and Isao Echizen and Yoshiki Seo},
journal= {arXiv preprint arXiv:2310.07998},
year = {2023}
}