OpenOOD v1.5：增强的分布外检测基准
机器学习
2024-12-18 v5 计算机视觉与模式识别
摘要
分布外（OOD）检测对于开放世界智能系统的可靠运行至关重要。尽管OOD检测方法不断涌现，评估的不一致性给追踪该领域进展带来挑战。OpenOOD v1开启了OOD检测评估的统一，但在可扩展性和范围上面临局限。为此，本文提出OpenOOD v1.5，相较前身的显著改进，确保大规模下对OOD检测方法准确且标准化的评估。值得注意的是，OpenOOD v1.5将其评估能力扩展至大规模数据集（ImageNet）和基础模型（如CLIP和DINOv2），并将范围拓展到研究同时考虑语义和协变量分布偏移的全谱OOD检测。本工作还基于综合实验结果贡献了深入分析和见解，从而丰富了OOD检测方法的知识库。借助这些增强，OpenOOD v1.5旨在推动进展，并为OOD检测研究提供更鲁棒和全面的评估基准。
引用
@article{arxiv.2306.09301,
title = {OpenOOD v1.5: Enhanced Benchmark for Out-of-Distribution Detection},
author = {Jingyang Zhang and Jingkang Yang and Pengyun Wang and Haoqi Wang and Yueqian Lin and Haoran Zhang and Yiyou Sun and Xuefeng Du and Yixuan Li and Ziwei Liu and Yiran Chen and Hai Li},
journal= {arXiv preprint arXiv:2306.09301},
year = {2024}
}
备注
Accepted by DMLR. See code at https://github.com/Jingkang50/OpenOOD/ and leaderboard at https://zjysteven.github.io/OpenOOD/