特征空间中基于混合能量模型的分布外检测
计算机视觉与模式识别
2023-08-21 v3
摘要
分布外（OOD）检测是深度神经网络部署的关键要求。本文提出 HEAT 模型，一种新颖的事后 OOD 检测方法，利用预训练骨干网络特征空间中的混合能量基模型（EBM）估计分布内（ID）样本的密度。HEAT 补充了已有的 ID 密度估计器，例如高斯混合模型（GMM）等参数化模型，以提供准确且鲁棒的密度估计。第二项贡献是利用 EBM 框架提供统一的密度估计并组合多个能量项。大量实验证明了这两项贡献的重要性。HEAT 在 CIFAR-10 / CIFAR-100 基准以及大规模 Imagenet 基准上确立了新的最先进 OOD 检测结果。代码见：https://github.com/MarcLafon/heatood。
引用
@article{arxiv.2305.16966,
title = {Hybrid Energy Based Model in the Feature Space for Out-of-Distribution Detection},
author = {Marc Lafon and Elias Ramzi and Clément Rambour and Nicolas Thome},
journal= {arXiv preprint arXiv:2305.16966},
year = {2023}
}