通过捕捉极端激活来减轻对于外部分布检测中的过度自信
原文中文,约200字,阅读约需1分钟。发表于: 。通过测量神经网络次最后一层的极端激活值并利用这一特征改进各种 OOD 检测基线,我们解决了模型 “过度自信” 现象造成的 OOD 检测问题,在各类实验中得到了显著提升,不损害任何场景的性能。
该研究提出了一种基于神经激活先验的方法,用于超出分布检测。通过利用神经网络的激活概率差异来提取相关特征,并使用新的评分函数强调这些强激活的神经元在检测中的作用。实验结果表明该方法在多个数据集上达到了最先进的性能。