图像分类分布外检测方法的实用评估
计算机视觉与模式识别
2021-01-08 v1 人工智能
摘要
我们重新考量图像识别中分布外（OOD）检测方法的评估。尽管迄今已开展许多研究以构建更好的 OOD 检测方法，其中大多数遵循 Hendrycks 与 Gimpel 的工作进行实验评估。虽然统一评估方法对公平比较必不可少，但存在疑问：其对任务与数据集的选择是否反映真实世界应用，以及评估结果能否推广到其他 OOD 检测应用场景。本文通过实验评估了代表性 OOD 检测方法在三种场景下的性能，即不相关输入检测、新类别检测与域偏移检测，涵盖多种数据集与分类任务。结果表明，场景与数据集的差异会改变各方法间的相对性能。我们的结果亦可作为从业者选择 OOD 检测方法的指南。
引用
@article{arxiv.2101.02447,
title = {Practical Evaluation of Out-of-Distribution Detection Methods for Image Classification},
author = {Engkarat Techapanurak and Takayuki Okatani},
journal= {arXiv preprint arXiv:2101.02447},
year = {2021}
}