原型OOD：通过原型特征相似性增强OOD目标检测
原文中文，约2200字，阅读约需6分钟。发表于：。本研究解决了目标检测中由于训练样本有限导致的OOD目标检测准确率低的问题。通过利用相似性特征，提出了原型OOD网络架构，增强原型的代表性并评估输入特征与原型之间的相似度。研究结果显示，该方法在MS-COCO数据集上显著降低了FPR95，并在Pascal VOC数据集上提高了mAP，且提出了改进的评估协议以克服现有评估指标的局限性。
本研究提出了一种解决目标检测中由于训练样本有限导致的OOD目标检测准确率低的方法。通过利用相似性特征，提出了原型OOD网络架构，并评估输入特征与原型之间的相似度。实验结果显示该方法在数据集上降低了FPR95，并提高了mAP。
