YolOOD：利用目标检测概念进行多标签分布外检测
计算机视觉与模式识别
2023-11-22 v2 机器学习
摘要
由于分布外（OOD）检测在部署系统中的重要性，近年来吸引了机器学习研究界的广泛关注。以往研究大多聚焦于多类分类任务中的 OOD 样本检测。然而，多标签分类任务中的 OOD 检测这一更常见的现实应用场景，仍是一个未被充分探索的领域。在本研究中，我们提出 YolOOD——一种利用目标检测领域概念来执行多标签分类任务中 OOD 检测的方法。目标检测模型具有一种内在能力，可在包含属于不同类别的多个对象的图像中区分感兴趣对象（分布内）与无关对象（如 OOD 对象）。这些能力使我们仅需微小改动即可将常规目标检测模型转化为具有内在 OOD 检测能力的图像分类器。我们将我们的方法与最先进的 OOD 检测方法进行比较，并证明 YolOOD 在全面的分布内与 OOD 基准数据集套件上能够优于这些方法。
引用
@article{arxiv.2212.02081,
title = {YolOOD: Utilizing Object Detection Concepts for Multi-Label Out-of-Distribution Detection},
author = {Alon Zolfi and Guy Amit and Amit Baras and Satoru Koda and Ikuya Morikawa and Yuval Elovici and Asaf Shabtai},
journal= {arXiv preprint arXiv:2212.02081},
year = {2023}
}
备注
10 pages, 6 figures