利用神经元激活模式检测分布外物体
计算机视觉与模式识别
2023-12-19 v1
摘要
物体检测对现代机器人应用中许多感知算法至关重要。遗憾的是，现有模型倾向于为分布外（OOD）样本赋予高置信度分数。尽管计算机视觉（CV）界近年来对 OOD 检测进行了广泛研究，多数提出的方案仅适用于图像识别任务。自动驾驶等现实应用面临的挑战远比分类复杂。在我们的工作中，我们聚焦于普遍存在的物体检测领域，引入了用于物体检测中分布外样本检测的神经元激活模式（NAPTRON）。实验表明，我们的方法优于当前最优方法，且无需影响分布内（ID）性能。通过在两种不同 OOD 场景与三类物体检测器上评估方法，我们创建了最大的开源 OOD 物体检测基准。
引用
@article{arxiv.2307.16433,
title = {Detecting Out-of-distribution Objects Using Neuron Activation Patterns},
author = {Bartłomiej Olber and Krystian Radlak and Krystian Chachuła and Jakub Łyskawa and Piotr Frątczak},
journal= {arXiv preprint arXiv:2307.16433},
year = {2023}
}