BatchOOD:基于能量的批处理式多标记分布外检测OA
分布外(Out-of-Distribution,OOD)检测对于深度模型在开放环境中安全可靠地应用至关重要。现有方法通常利用深度网络提取分布内(In-Distribution,ID)表征,却忽略了对小批量样本间关系的学习,并且缺乏针对更符合现实设置的多标记OOD检测的研究。基于此,文章提出一种在批处理级上检测OOD样本的深度模型BatchOOD。首先,利用主干网络提取单个样本的初始特征;随后,引入BatchFormer模块从批量维度上探索样本间的…查看全部>>
程一飞;彭欣;程玉胜;陈启东
安庆师范大学计算机与信息学院,安徽安庆246011 安徽省高校智能感知与计算重点实验室(安庆师范大学),安徽安庆246011安庆师范大学计算机与信息学院,安徽安庆246011安庆师范大学计算机与信息学院,安徽安庆246011 安徽省高校智能感知与计算重点实验室(安庆师范大学),安徽安庆246011安庆师范大学计算机与信息学院,安徽安庆246011
计算机与自动化
多标记学习分布外检测BatchFormer样本关系能量函数
《常州大学学报(自然科学版)》 2025 (1)
P.37-47,11
安徽省自然科学基金面上资助项目(2108085MF216)。
评论