BriefGPT - AI 论文速递
·
数字病理学中的超出分布检测：我们准备好了吗？
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于 ImageNet 和 Places365 的全面评估标准，用于检测训练集中不同分布的样本。实验结果表明，不同的ODD检测技术在不同的评估标准下的有效性不同。基于置信度的技术可能优于基于分类器的技术。
🎯
关键要点
- 深度神经网络在技术和服务中应用广泛，但易受训练集不同分布样本的干扰。
- 常见解决方法是使深度神经网络具备检测不同分布样本的能力。
- 本文提出基于 ImageNet 和 Places365 的全面评估标准，将类别分为内部分布和外部分布。
- 通过不同技术确定哪些类别应视为内部分布，形成不同性质的评估标准。
- 实验结果表明，不同的ODD检测技术在不同评估标准下的有效性不同。
- 基于置信度的技术在接近ODD样本上可能优于基于分类器的技术。
➡️
