XOOD：基于极值的图像分类分布外检测
机器学习
2022-08-02 v1 人工智能
计算机视觉与模式识别
摘要
在推理时检测分布外（OOD）数据对机器学习的许多应用至关重要。我们提出 XOOD：一种基于极值的新型 OOD 检测框架，用于图像分类，其包含两种算法。第一种 XOOD-M 完全无监督，第二种 XOOD-L 为自监督。两种算法均依赖于神经网络激活层中数据的极值所捕获的信号，以区分分布内与 OOD 实例。我们通过实验表明，XOOD-M 与 XOOD-L 在效率与精度上均优于诸多基准数据集上的当前最优 OOD 检测方法，将假正率（FPR95）降低 50%，同时将推理时间提升一个数量级。
引用
@article{arxiv.2208.00629,
title = {XOOD: Extreme Value Based Out-Of-Distribution Detection For Image Classification},
author = {Frej Berglind and Haron Temam and Supratik Mukhopadhyay and Kamalika Das and Md Saiful Islam Sajol and Sricharan Kumar and Kumar Kallurupalli},
journal= {arXiv preprint arXiv:2208.00629},
year = {2022}
}