用于分布外检测的多层径向基函数网络
机器学习
2025-01-07 v1 计算机视觉与模式识别
摘要
现有的分布外（OOD）检测方法使用各种技术来产生一个独立于分类的分数，以确定输入的“OOD”程度。我们的见解是，通过使用一种能够将分类和 OOD 检测有效合并为单一步骤的神经网络架构，可以简化 OOD 检测。径向基函数网络本质上将分类置信度与 OOD 检测联系在一起；然而，由于难以以多层方式训练这些网络，它们已经失去了 popularity。在这项工作中，我们开发了一种易于训练的多层径向基函数网络。为了确保这些网络对 OOD 检测也有效，我们开发了一种新颖的抑制机制。我们将 MLRBFN 作为独立分类器以及预训练特征提取器之上的头部进行应用，发现它们在 OOD 检测方面与常用方法具有竞争力。我们的 MLRBFN 架构展示了 OOD 检测方法的一个有前途的新方向。
引用
@article{arxiv.2501.02616,
title = {Multi-layer Radial Basis Function Networks for Out-of-distribution Detection},
author = {Amol Khanna and Chenyi Ling and Derek Everett and Edward Raff and Nathan Inkawhich},
journal= {arXiv preprint arXiv:2501.02616},
year = {2025}
}