基于类比例估计的分布外检测
机器学习
2022-06-09 v1 计算机视觉与模式识别
机器学习
摘要
基于密度的分布外（OOD）检测近来被证明在检测 OOD 图像的任务上不可靠。各种基于密度比的方法取得了良好的经验性能，然而这些方法通常缺乏有原则的概率建模解释。在本工作中，我们提出在一个构建基于能量的模型并采用不同基分布的新框架下统一基于密度比的方法。在我们的框架下，密度比可被视为一个隐式语义分布的非归一化密度。进一步，我们提出通过类比例估计直接估计数据样本的密度比。与近期替代性地需要为该任务训练深度生成模型的工作相比，我们在 OOD 图像问题上报告了有竞争力的结果。我们的方法为解决 OOD 检测问题提供了一条简单而有效的路径。
引用
@article{arxiv.2206.03955,
title = {Out-of-Distribution Detection with Class Ratio Estimation},
author = {Mingtian Zhang and Andi Zhang and Tim Z. Xiao and Yitong Sun and Steven McDonagh},
journal= {arXiv preprint arXiv:2206.03955},
year = {2022}
}