ProHOC：基于多深度网络的概率层次化离分布分类
机器学习
2025-03-28 v1 计算机视觉与模式识别
机器学习
摘要
在深度学习中，离分布检测传统上被视为二元任务，即样本要么被归类为已知类别，要么被标记为离分布，而人们很少关注离分布样本与已知分布 (ID) 类别之间的语义关系。我们提出了一个框架，用于检测并将离分布样本归类到给定的类别层次结构中。具体而言，我们旨在将离分布数据预测到类别层次结构的正确内部节点，而已知的 ID 类别应被预测为其对应的叶节点。我们利用类别层次结构创建概率模型，并通过在多个层次深度上训练的网络实现该模型。我们在三个具有预定义类别层次结构的数据集上进行实验，显示了该方法的有效性。我们的代码已公开于 https://github.com/walline/prohoc。
引用
@article{arxiv.2503.21397,
title = {ProHOC: Probabilistic Hierarchical Out-of-Distribution Classification via Multi-Depth Networks},
author = {Erik Wallin and Fredrik Kahl and Lars Hammarstrand},
journal= {arXiv preprint arXiv:2503.21397},
year = {2025}
}
备注
CVPR2025