多标签分类网络能知道它们不知道的吗？
机器学习
2021-10-25 v2
摘要
估计分布外（OOD）不确定性是在开放世界环境中安全部署机器学习模型的核心挑战。多类分类中改进的 OOD 检测方法已经出现，而针对多标签分类的 OOD 检测方法仍未被充分探索，且仅使用基础技术。我们提出了 JointEnergy，一种简单而有效的方法，通过聚合来自多个标签的能量分数来估计 OOD 指示分数。我们表明 JointEnergy 可以从联合似然的角度进行数学解释。我们的结果表明，相比于以往基于最大值分数的方法，该方法取得了持续改进，因为后者无法捕获来自多个标签的联合信息。我们在三个常见的多标签分类基准上证明了我们方法的有效性，包括 MS-COCO、PASCAL-VOC 和 NUS-WIDE。我们表明，与之前最佳基线相比，JointEnergy 可将 FPR95 降低高达 10.05%，确立了最先进的性能。
引用
@article{arxiv.2109.14162,
title = {Can multi-label classification networks know what they don't know?},
author = {Haoran Wang and Weitang Liu and Alex Bocchieri and Yixuan Li},
journal= {arXiv preprint arXiv:2109.14162},
year = {2021}
}
备注
Paper published at NeurIPS 2021