OOD 感知的有监督对比学习
本文介绍了一种使用SupCon学习表征的全面方法,用于训练机器学习模型以识别训练分布之外的样本。该方法通过增加对比项来扩展SupCon损失,以学习对OOD数据稳健的分类器。同时,提出了特征混合技术来高效生成伪OOD特征。在常见基准测试中与不同的OOD检测方法进行了比较,并展示了最先进的结果。
原文中文,约400字,阅读约需1分钟。
本文介绍了一种使用SupCon学习表征的全面方法,用于训练机器学习模型以识别训练分布之外的样本。该方法通过增加对比项来扩展SupCon损失,以学习对OOD数据稳健的分类器。同时,提出了特征混合技术来高效生成伪OOD特征。在常见基准测试中与不同的OOD检测方法进行了比较,并展示了最先进的结果。