Solution for OOD-CV Workshop SSB Challenge 2024 (Open-Set Recognition Track)
计算机视觉与模式识别
2024-10-01 v1 机器学习
摘要
本报告详细描述了我们在 ECCV 2024 期间 OOD-CV 工作坊上的 OSR 挑战中所探索和提出的方法。该挑战要求识别测试样本是否属于分类器训练集的语义类别，这一任务称为开放集识别 (OSR)。使用语义偏移基准 (SSB) 进行评估，我们将 ImageNet1k 作为分布内 (ID) 数据集，ImageNet21k 的子集作为分布外 (OOD) 数据集。为此，我们提出了一种混合方法，实验性地融合了各种事后 OOD 检测技术和不同的 Test-Time Augmentation (TTA) 策略。此外，我们评估了多个基础模型对最终性能的影响。我们的最佳方法结合了 Test-Time Augmentation 与事后 OOD 技术，实现了在 AUROC 和 FPR95 之间取得强劲平衡。我们的做法的结果为 AUROC: 79.77（排名第 5）和 FPR95: 61.44（排名第 2），在整体比赛中获得第二名。
引用
@article{arxiv.2409.20277,
title = {Solution for OOD-CV Workshop SSB Challenge 2024 (Open-Set Recognition Track)},
author = {Mingxu Feng and Dian Chao and Peng Zheng and Yang Yang},
journal= {arXiv preprint arXiv:2409.20277},
year = {2024}
}