Proto-OOD：利用原型特征相似性增强 OOD 目标检测
计算机视觉与模式识别
2025-01-29 v2 人工智能
摘要
在有限类别样本上训练的神经网络经常会错误预测分布外（OOD）目标。我们观察到，相同类别的特征在特征空间中聚集得更紧密，而不同类别的特征则更分散。基于此，我们提出使用原型相似性进行 OOD 检测。借鉴少样本学习中广泛使用的原型特征，我们引入了一种新颖的 OOD 检测网络结构（Proto-OOD）。Proto-OOD 利用对比损失增强了类别原型的代表性，并通过评估输入特征与类别原型之间的相似性来检测 OOD 数据。在训练期间，Proto-OOD 使用负嵌入生成器生成 OOD 样本，用于训练相似性模块。当使用 Pascal VOC 作为分布内数据集、MS-COCO 作为 OOD 数据集时，Proto-OOD 显著降低了 FPR（假阳性率）。此外，考虑到现有评估指标的局限性，我们提出了一种更合理的评估协议。代码将发布。
引用
@article{arxiv.2409.05466,
title = {Proto-OOD: Enhancing OOD Object Detection with Prototype Feature Similarity},
author = {Junkun Chen and Jilin Mei and Liang Chen and Fangzhou Zhao and Yan Xing and Yu Hu},
journal= {arXiv preprint arXiv:2409.05466},
year = {2025}
}