RankFeat：用于分布外检测的秩-1特征去除
机器学习
2022-09-20 v1 计算机视觉与模式识别
摘要
分布外（OOD）检测任务对于在真实环境中部署机器学习模型至关重要。本文中，我们观察到分布内（ID）与OOD特征奇异值分布差异显著：OOD特征矩阵的主导奇异值往往大于ID特征，且OOD样本的类预测很大程度上由该奇异值决定。此观察促使我们提出RankFeat，一种简单而有效的后验（post hoc）OOD检测方法，通过从高层特征（即 ）中去除由最大奇异值及相关奇异向量组成的秩-1矩阵实现。RankFeat达到了最先进（state-of-the-art）性能，与先前最佳方法相比将平均假阳性率（FPR95）降低了17.90%。我们给出了充分的消融研究与全面的理论分析以支持实证结果。
引用
@article{arxiv.2209.08590,
title = {RankFeat: Rank-1 Feature Removal for Out-of-distribution Detection},
author = {Yue Song and Nicu Sebe and Wei Wang},
journal= {arXiv preprint arXiv:2209.08590},
year = {2022}
}
备注
NeurIPS22