对马氏距离的简单修正以改进近分布外检测
机器学习
2021-06-18 v1
摘要
马氏距离（MD）是一种简单且流行的后处理方法，用于检测神经网络中的分布外（OOD）输入。我们分析其在近 OOD 检测中的失效模式，并提出一种称为相对马氏距离（RMD）的简单修正，其提升性能且对超参数选择更鲁棒。在广泛的具有挑战性的视觉、语言与生物 OOD 基准（CIFAR-100 vs CIFAR-10、CLINC OOD 意图检测、Genomics OOD）上，我们表明 RMD 有意义地改进了 MD 性能（在基因组学 OOD 上 AUROC 提升高达 15%）。
引用
@article{arxiv.2106.09022,
title = {A Simple Fix to Mahalanobis Distance for Improving Near-OOD Detection},
author = {Jie Ren and Stanislav Fort and Jeremiah Liu and Abhijit Guha Roy and Shreyas Padhy and Balaji Lakshminarayanan},
journal= {arXiv preprint arXiv:2106.09022},
year = {2021}
}