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。
🏷️
标签
➡️