计算机科学>机器学习
标题: 通过重新出现的课堂条件印象检测分布外示例
摘要: 分布外(OOD)检测旨在增强标准深度神经网络,以区分异常输入和原始训练数据。 以前的进展引入了各种方法,其中分发中的培训数据甚至几个OOD示例都是前提。 然而,由于隐私和安全性的原因,辅助数据在实际场景中往往不切实际。在本文中,我们提出了一种不需要对自然数据进行训练的无数据方法,称为类条件印象再现(C2IR),该方法利用固定模型中的图像印象来恢复类条件特征统计。 在此基础上,我们引入积分概率度量来估计分层类条件偏差,并通过测量基于梯度的重要性(MGI)来获得层权重。 实验验证了该方法的有效性,并表明C2IR优于其他后hoc方法,达到了与完全访问(ID和OOD)检测方法相当的性能,特别是在远OOD数据集(SVHN)中。