OOD增强可能与开集识别相冲突
计算机视觉与模式识别
2022-06-10 v1
摘要
尽管图像分类方法取得进展，检测不属于训练类别的样本仍具挑战性。近期该主题引发大量关注，被称为开集识别（OSR）。在OSR中，目标是同时实现分类与检测分布外（OOD）样本。已有若干思路通过复杂技术进一步推进经验结果。我们认为此类复杂化实无必要。为此，我们展示了最大softmax概率（MSP）作为OSR最简基线，应用于以非OOD增强训练的Vision Transformers（ViTs）作为基分类器时，可出人意料地优于许多近期方法。非OOD增强指不大幅改变数据分布的增强。我们的结果在CIFAR-10数据集上优于当前最优，在SVHN和MNIST上也优于多数现有方法。我们表明训练增强对ViTs在OSR任务中的性能有显著影响，且增强样本应产生显著多样性，但所生成样本的OOD程度须保持有限。
引用
@article{arxiv.2206.04242,
title = {OOD Augmentation May Be at Odds with Open-Set Recognition},
author = {Mohammad Azizmalayeri and Mohammad Hossein Rohban},
journal= {arXiv preprint arXiv:2206.04242},
year = {2022}
}