通过模糊化进行新颖性检测
机器学习
2020-03-04 v3 计算机视觉与模式识别
图像与视频处理
机器学习
摘要
基于变分自编码器或随机网络蒸馏(RND)的传统分布外(OOD)检测方案被观察到对 OOD 分配的不确定性低于目标分布。在本工作中,我们发现此类传统新颖性检测方案同样易受模糊图像的影响。基于该观察,我们构建了一种新颖的基于 RND 的 OOD 检测器 SVD-RND,其在训练期间利用模糊图像。我们的检测器简单、测试时高效,并在多个领域中优于基线 OOD 检测器。进一步结果表明 SVD-RND 比基线 RND 算法学习到更好的目标分布表示。最后,SVD-RND 结合几何变换在 CelebA 数据集上实现了近乎完美的检测精度。
引用
@article{arxiv.1911.11943,
title = {Novelty Detection Via Blurring},
author = {Sungik Choi and Sae-Young Chung},
journal= {arXiv preprint arXiv:1911.11943},
year = {2020}
}
备注
ICLR 2020