基于重构误差与典型性惩罚的分布外检测
机器学习
2022-12-27 v1 计算机视觉与模式识别
摘要
分布外（OOD）检测任务对于实现现实世界应用的安全可靠运行至关重要。在基于似然的检测在高维中失效被揭示后，基于典型集（typical set）的方法一直受到关注；然而，它们仍未取得令人满意的性能。在给出基于典型性方法的失败案例后，我们提出了一种基于重构误差的新方法，该方法采用标准化流（NF）。我们进一步引入基于典型性的惩罚，并将其纳入 NF 中的重构误差，提出了一种新的 OOD 检测方法——惩罚重构误差（PRE）。由于 PRE 检测位于分布内流形之外的测试输入，它能有效检测对抗样本以及 OOD 样本。我们通过使用自然图像数据集 CIFAR-10、TinyImageNet 和 ILSVRC2012 的评估展示了我们方法的有效性。
引用
@article{arxiv.2212.12641,
title = {Out-of-Distribution Detection with Reconstruction Error and Typicality-based Penalty},
author = {Genki Osada and Takahashi Tsubasa and Budrul Ahsan and Takashi Nishide},
journal= {arXiv preprint arXiv:2212.12641},
year = {2022}
}
备注
Accepted at WACV 2023