基于多种语义标签表示的分布外检测
机器学习
2019-01-11 v3 机器学习
摘要
深度神经网络是强大的模型，在各种任务上取得了显著成果。这些模型在训练数据和测试数据来自同一分布时表现出极高的效率。然而，当网络输入分布外样本时，其行为尚不清楚。本文中，我们考虑神经网络中的分布外检测问题。我们提出使用多种语义稠密表示而非稀疏表示作为目标标签。具体而言，我们提出使用从不同语料库或架构获得的若干词表示作为目标标签。我们在计算机视觉和语音命令检测任务上评估了所提模型，并与先前方法进行比较。结果表明，我们的方法与先前工作相比具有优势。此外，我们展示了我们的方法在检测错误分类样本和对抗样本方面的有效性。
引用
@article{arxiv.1808.06664,
title = {Out-of-Distribution Detection using Multiple Semantic Label Representations},
author = {Gabi Shalev and Yossi Adi and Joseph Keshet},
journal= {arXiv preprint arXiv:1808.06664},
year = {2019}
}