视觉概念网络：基于图结构的深度神经网络中异常数据检测方法
计算机视觉与模式识别
2024-09-30 v1 机器学习
摘要
深度神经网络（DNN）虽然在众多应用中不断部署，但面对异常数据和超出分布（OOD）数据时鲁棒性仍有挑战。当前的 OOD 测试基准常常过于简化，仅关注单目标任务，未能充分代表复杂现实世界的异常情况。本文引入一种新方法，运用图结构和拓扑特征，有效检测远 OOD 和近 OOD 数据。我们将图像转换为由相互关联的人类可理解特征或视觉概念构成的网络。通过在两个新任务上的大规模测试，包括大词汇表和多样化任务的消融实验，证明了该方法的有效性。该方法增强了 DNN 对 OOD 数据的鲁棒性，具有望提升各类应用中的性能。
引用
@article{arxiv.2409.18235,
title = {Visual Concept Networks: A Graph-Based Approach to Detecting Anomalous Data in Deep Neural Networks},
author = {Debargha Ganguly and Debayan Gupta and Vipin Chaudhary},
journal= {arXiv preprint arXiv:2409.18235},
year = {2024}
}