用于分布外检测的超维特征融合
计算机视觉与模式识别
2022-08-31 v3 人工智能
摘要
我们将超维计算(Hyperdimensional Computing)中的有力思想引入具有挑战性的分布外(OOD)检测领域。与大多数仅基于神经网络单层进行 OOD 检测的现有工作不同，我们利用保持相似性的半正交投影矩阵将多层特征图投影到一个公共向量空间中。通过重复应用捆绑操作 ，我们为所有分布内类创建具有表达力的类特定描述向量。在测试时，描述向量间简单而高效的余弦相似度计算能持续以优于当前最优方法的性能识别 OOD 样本。我们表明，多层网络的超维融合对于实现最佳泛化性能至关重要。
引用
@article{arxiv.2112.05341,
title = {Hyperdimensional Feature Fusion for Out-Of-Distribution Detection},
author = {Samuel Wilson and Tobias Fischer and Niko Sünderhauf and Feras Dayoub},
journal= {arXiv preprint arXiv:2112.05341},
year = {2022}
}
备注
Accepted to WACV2023