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。
📝

内容提要

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。

🎯

关键要点

  • 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。
  • 该方法在性能上优于 GAN 等模型。
  • 方法结合实际数据和生成样本,引入重构误差和生成样本。
  • 在 MNIST 和 Caltech-256 数据集上,模型在检测新奇样本方面显著改进。
➡️

继续阅读