用于图像分类网络的生成式增强神经网络看门狗

识别分布外数据对于分类网络的部署至关重要。例如，一个经过训练以区分狗和猫图像的通用神经网络只能将输入分类为狗或猫。如果向该分类器提供汽车或金桔的图片，结果仍将是狗或猫之一。为缓解此问题，已开发出诸如神经网络看门狗等技术。图像输入到自编码器潜层的压缩定义了图像空间中分布内的区域。该分布内输入数据集在图像空间中有对应边界。看门狗评估输入是位于此边界内还是外。本文展示了如何使用生成式网络训练数据增强来锐化此边界，从而改善看门狗的判别能力与整体性能。