通过自适应对比学习实现通用新颖性检测
原文中文,约200字,阅读约需1分钟。发表于: 。本文研究了新颖性检测的普适性问题,现有方法在应对不同数据分布时表现不佳。提出的创新方法AutoAugOOD结合对比学习,可以自适应地生成负样本对,从而提升新颖性检测的普适性和适应性,实验结果证明了其在各种图像基准数据集上的优越性。
本研究提出了一种基于重构的方法,用于检测计算机视觉中的分类外样本。该方法在MNIST和Caltech-256数据集上表现出更好的性能。
本文研究了新颖性检测的普适性问题,现有方法在应对不同数据分布时表现不佳。提出的创新方法AutoAugOOD结合对比学习,可以自适应地生成负样本对,从而提升新颖性检测的普适性和适应性,实验结果证明了其在各种图像基准数据集上的优越性。
本研究提出了一种基于重构的方法,用于检测计算机视觉中的分类外样本。该方法在MNIST和Caltech-256数据集上表现出更好的性能。