触发失败：在语义分割中通过学习局部对抗攻击进行分布外检测
计算机视觉与模式识别
2021-08-04 v1
摘要
在本文中，我们处理语义分割中分布外（OOD）对象的检测问题。通过分析文献，我们发现当前方法要么准确，要么快速，但难以两者兼备，这限制了它们在现实应用中的可用性。为了兼顾两方面优势，我们提出遵循四个设计原则来缓解常见的缺点：将OOD检测与分割任务解耦；观察整个分割网络而不仅仅是其输出；利用分割网络中的盲点为OOD检测器生成训练数据；并将生成的数据聚焦于图像中的局部区域以模拟OOD对象。我们的主要贡献是一种名为ObsNet的新型OOD检测架构，以及基于局部对抗攻击（LAA）的专用训练方案。我们通过大量的消融研究验证了方法的合理性。我们还展示了，在与三个不同数据集上的十种近期文献方法进行比较时，该方法在速度和精度方面均取得了顶尖性能。
引用
@article{arxiv.2108.01634,
title = {Triggering Failures: Out-Of-Distribution detection by learning from local adversarial attacks in Semantic Segmentation},
author = {Victor Besnier and Andrei Bursuc and David Picard and Alexandre Briot},
journal= {arXiv preprint arXiv:2108.01634},
year = {2021}
}