基于热力图的分布外检测
计算机视觉与模式识别
2023-08-14 v2
摘要
我们的工作将分布外（OOD）检测作为一个神经网络输出解释问题来研究。我们学习一种热力图表示，用于检测 OOD 图像，同时可视化分布内与分布外图像区域。给定一个训练好且固定的分类器，我们训练一个解码器神经网络，基于分类器特征和类别预测，为分布内样本生成零响应的热力图，为 OOD 样本生成高响应的热力图。我们的主要创新在于对 OOD 样本的热力图定义，即与最接近的分布内样本的归一化差异。该热力图作为区分分布内与分布外样本的边界。我们的方法生成热力图不仅用于 OOD 检测，还用于指示输入图像的分布内与分布外区域。在我们的评估中，我们的方法在固定于 CIFAR-10、CIFAR-100 和 Tiny ImageNet 上训练的分类器上大多优于先前工作。代码公开于：https://github.com/jhornauer/heatmap_ood。
引用
@article{arxiv.2211.08115,
title = {Heatmap-based Out-of-Distribution Detection},
author = {Julia Hornauer and Vasileios Belagiannis},
journal= {arXiv preprint arXiv:2211.08115},
year = {2023}
}
备注
Accepted to WACV 2023