SupEuclid：基于监督对比学习与欧氏距离的极简高质量分布外检测
计算机视觉与模式识别
2023-08-23 v1 机器学习
摘要
分布外（OoD）检测在过去几年中取得了显著进展，现有方法在标准基准上已接近、少数情况下达到了完美的数据分离。这些结果通常涉及大型或复杂模型、预训练、接触 OoD 样本或额外的超参数调优。值得注意的是，用一种非常简单的方法就可能取得超越许多此类最先进方法的结果。我们证明，使用监督对比学习（SCL）训练的 ResNet18，仅以欧氏距离作为打分规则，即可在近邻与远端 OoD 检测基准上开箱即用地产生最先进的结果。这在某些情况下可能免去对更复杂方法或更大模型的需求，并且至少为进一步的实验与分析提供了一个非常强且易用的基线。
引用
@article{arxiv.2308.10973,
title = {SupEuclid: Extremely Simple, High Quality OoD Detection with Supervised Contrastive Learning and Euclidean Distance},
author = {Jarrod Haas},
journal= {arXiv preprint arXiv:2308.10973},
year = {2023}
}