ood detection | BriefGPT - AI 论文速递

关键词ood detection

搜索结果 - 101

无需领域内标签：文本领域外检测
本研究旨在解决无法获取 in-domain 数据标签的情况下，从语言模型和表示学习的角度，通过无监督的聚类和对比学习的结合，对 OOD 检测进行更好的数据表示学习，实验证明该方法的性能显著优于基于概率的方法，并且可以与基于标签信息的监督方法
PDF2 years ago
KDD适应层深度神经网络用于区分分布外数据
本文提出了一种新的适用于深度神经网络（DNNs）的层自适应 OOD 检测框架（LA-OOD），该框架能够充分利用中间层的输出，通过在中间层同时训练多个 One-Class SVM OOD 探测器，以利用在 DNNs 不同深度上编码的完整光谱
PDF2 years ago
基于预训练模型 CLIP 的零样本外部分布检测
本文研究零样本数据识别问题，提出了一种基于多模态表示学习的方法，名为 ZOC，通过对图像进行文本描述生成和置信度评分来实现未知分类的检测，并在 5 个基准数据集上展现了比基准方案更好的性能。
PDF3 years ago
ACLProtoInfoMax：利用互信息最大化的典型网络进行领域外检测
本研究提出了一个名为 ProtoInfoMax 的新型架构，可同时处理领域内和领域外句子，通过互信息最大化（InfoMax）目标来提高低资源文本分类中 OOD 检测的性能。实验结果表明，我们提出的方法可以显著提高 20％的性能，并减少神经网
PDF3 years ago
ICCVCODEs: 防止过度自信问题的 Chamfer 离群样本检测
本文提出了一种名为 CODEs 的解决深度神经网络过于自信地预测过于分布样本的问题的方法，首先通过切片和粘贴操作生成种子 OOD 样本，再将其馈送到 Chamfer 生成对抗网络进行分布转换，在 CODEs 上抑制预测可以有效地缓解 OOD
PDF3 years ago
OODformer: 异常检测变形金刚
该论文提出了一种名为 OODformer 的新型 OOD 检测架构，利用 transformer 的上下文能力来区分内部分布和 OOD 样本，通过视觉注意力利用上下文嵌入提高了分类的通用性，在 CIFAR-10 /-100 和 ImageN
PDF3 years ago
KDD基于不确定性的文本可靠分类
本文针对文本分类任务中的 OOD 检测问题，提出了基于证据不确定性的方法，该方法通过引入辅助的离群样本和伪样本来训练模型，并明确建模了类别概率的不确定性。实验证明，该方法能够轻松部署于传统 RNN 和 Fine-tuned 预训练 tran
PDF3 years ago
ACL有监督对比学习建模鉴别性表示进行领域外检测
本文提出了一种监督对比学习方法和对抗性增强机制，在语义空间中学习以区分任务型对话系统中的域外意图，并实证了该方法对于 OOD 检测的效果。
PDF3 years ago
CVPRMOS: 针对大型语义空间的扩展分布外检测
本文提出了一种基于组的 OOD 检测框架和一种新颖的 OOD 评分函数 MOS，通过将大语义空间分解成具有相似概念的小组，简化内部与外部数据之间的决策边界，从而使得面对高维度分类空间的场景下，我们的方法比以前的方法更为有效。在四个精心策划的
PDF3 years ago
ICML层级 VAE 知道它们不知道的
深度生成模型的密度估计已被证明是最先进的，但最近的研究发现，它们通常会分配更高的似然性给训练分布之外的数据，此行为是由于偏差所致，本文通过分层变分自编码器提供了证据来解释这种行为，我们认为这是预期和期望的行为，掌握这一洞见后，我们设计了一种
PDF3 years ago
AAAIMASKER：面向可靠文本分类的关键词遮盖正则化
本文提出一种名为 MASKER 的 fine-tuning 方法，该方法通过关键词正则化来实现基于上下文的预测，提高了预训练语言模型在 OOD 检测和跨域泛化方面的性能。
PDF4 years ago
改进的外部分布检测对比训练
本文介绍了一种利用对比性训练来提高机器学习系统检测异常数据输入的方法，通过引入和使用混淆对数概率得分来量化数据集的内离散度，作者证明了这种方法在 “近 OOD” 类的性能较先前方法有所提高。
PDF4 years ago
ICML深度神经网络的软标记影响其对越界检测的能力
本研究探讨基于软标签的输出规范化对于深度神经网络的泛化和模型压缩等方面的影响，特别是在机器学习安全中重要的 OOD 检测方面的影响，我们发现正确类别的软标签输出规范化对 OOD 检测的改善具有关键作用，并提出了一种合适的输出规范化方法，以构
PDF4 years ago
为何归一化流无法检测到超出分布范围的数据
本文探讨了正则化流在检测异常数据方面的性能问题，发现正则化流架构具有局部像素相关性和通用图像到潜空间转换的缺陷，并通过修改它的架构，使其更好地适应特定数据语义结构，进而提高检测性能。
PDF4 years ago
利用内部数据和 Gram 矩阵检测非分布数据示例
本文介绍了一种基于 Gram 矩阵的方法，可用于检测深度神经网络中的 Out-of-Distribution 异常案例，结合对于训练数据范围内对比每个值，其值与范围的关系进行的异常检测，无需访问 OOD 数据进行超参数微调，并可适用于任何预
PDF5 years ago
ICLR通过图像模糊进行新颖性检测
本文针对传统的 OOD 检测模型基于变分自编码器或随机网络蒸馏的模型，对模糊图像也有较高的确定性评分的情况，提出了一种能够利用模糊图像数据训练的基于 RND 的创新检测模型 ——SVD-RND，在多种领域中表现优越，并证明该模型能够学习到更
PDF5 years ago
使用早期层输出在深度神经网络中检测超范围输入
本研究提出了一种新的的基于输出层的单类分类器方法用于检测深层分类器中的异常值输入，该方法无需访问 OOD 样本且在低维和高维数据集上表现出优异的性能指标。
PDF5 years ago
用于识别样本分布外点的似然比
研究讨论了关于基于基因组序列的细菌识别的 out-of-distribution (OOD) inputs 问题，提出了用于深度生成模型的似然比方法来纠正背景统计数据偏差，并在 genomics 数据集上进行了实验。结果表明，我们的方法在
PDF5 years ago
WAIC, but Why? 生成集成用于稳健异常检测
该论文介绍了一种使用可推理的似然函数模型来解决机器学习模型中的 Out-of-Distribution (OoD) errors 的方法，提出了一种称为生成集成的方法来解决似然模型中的 OoD 检测问题，并通过对似然函数模型的认知不确定性的
PDF6 years ago
ECCV语义分割的判别式非分布检测
本文提出了一种针对视觉分类中的开放世界场景中的数据分割问题的新方法，该方法能够训练出一个专门针对原始训练集以及更大的 “背景” 数据集的 ODD（出现在分布之外的异常值）检测模型，并在测试复杂自然图像的数据集中得到了优异的表现。
PDF6 years ago