Igeood：一种用于分布外检测的信息几何方法
机器学习
2022-03-16 v1 机器学习
摘要
可靠的分布外（OOD）检测对于构建更安全的现代机器学习（ML）系统至关重要。本文中，我们介绍Igeood，一种检测OOD样本的有效方法。Igeood适用于任何预训练神经网络，在各种对ML模型的访问程度下均可工作，不需要OOD样本或对OOD数据的假设，但也可（若可用）利用OOD样本。通过基于底层数据分布之间的测地（Fisher-Rao）距离，我们的判别器能够结合深度神经网络logits输出与所学特征的置信度分数。实证上，我们表明Igeood在多种网络架构与数据集上优于竞争的SOTA方法。
引用
@article{arxiv.2203.07798,
title = {Igeood: An Information Geometry Approach to Out-of-Distribution Detection},
author = {Eduardo Dadalto Camara Gomes and Florence Alberge and Pierre Duhamel and Pablo Piantanida},
journal= {arXiv preprint arXiv:2203.07798},
year = {2022}
}
备注
Accepted in ICLR 2022