将分布外样本检测为高不确定性数据点
机器学习
2021-08-21 v1
摘要
深度神经网络（DNNs）已知会对分布外输入（OODs）产生置信度很高的错误预测。这一局限是在自动驾驶、空中交通管理和医学诊断等高保证系统中采用DNNs的关键挑战之一。该挑战近来受到显著关注，并已开发若干技术来检测模型预测不可信的输入。这些技术将OODs检测为具有高认知不确定性或高偶然不确定性的数据点。我们展示了这些技术检测能力的差异，并提出了一种集成方法，用于将OODs检测为高不确定性（认知或偶然）的数据点。我们在多个DNN架构的视觉数据集上进行了实验，在大多数情况下取得了最先进的结果。
引用
@article{arxiv.2108.06380,
title = {Detecting OODs as datapoints with High Uncertainty},
author = {Ramneet Kaur and Susmit Jha and Anirban Roy and Sangdon Park and Oleg Sokolsky and Insup Lee},
journal= {arXiv preprint arXiv:2108.06380},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2103.12628