基于归一化流与对比数据利用正差异分布进行图像离群检测
机器学习
2023-04-28 v2
摘要
检测偏离训练数据的测试数据是安全和鲁棒机器学习的核心问题。由生成模型(例如通过标准对数似然训练得到的归一化流)学习到的似然作为离群分数表现不佳。我们提出使用未标记的辅助数据集和概率离群分数进行离群检测。我们使用在辅助数据集上训练的自监督特征提取器，并通过最大化分布内数据的似然和最小化对比数据集的似然，在提取的特征上训练归一化流。我们表明这等价于学习分布内特征密度与对比特征密度之间的归一化正差异。我们在基准数据集上进行实验，并与似然、似然比和最先进的异常检测方法进行比较。
引用
@article{arxiv.2208.14024,
title = {Positive Difference Distribution for Image Outlier Detection using Normalizing Flows and Contrastive Data},
author = {Robert Schmier and Ullrich Köthe and Christoph-Nikolas Straehle},
journal= {arXiv preprint arXiv:2208.14024},
year = {2023}
}