Out-of-Distribution Detection with Semantic Mismatch under Masking
Out-of-Distribution Detection with Semantic Mismatch under Masking
- 摘要
- 引言
- 2 相关工作
- 2.1 现有的OOD检测方法
- 2.2基于重构的面向对象检测
- 2.3利用外部OOD数据进行OOD检测
- 2.4 开放集合识别
Mismatch under Masking)
摘要
本文提出了一种名为MoodCat的新型分布之外（OOD）检测框架，用于图像分类器。MoodCat会对输入图像的随机部分进行遮盖，并使用生成模型根据分类结果将遮盖的图像合成为新的图像。然后，它计算原始图像和合成图像之间的语义差异以进行OOD检测。与现有的解决方案相比，MoodCat通过提出的遮盖和条件合成策略自然地学习了分布内数据的语义信息，这对于识别OOD至关重要。实验结果表明，MoodCat在OOD检测解决方案中的表现优于最先进的技术，优势明显。我们的代码可以在GitHub上找到 https://github.com/cure-lab/MOODCat.。