알 수 없는 입력의 학습 신호
미지의 자료에 대한 감독 신호가 없으면 신경망이 분포 밖 입력에도 높은 확신을 보일 수 있다. 실제 이상치 자료를 구하기 어려운 경우를 고려해 학습 중 가상 이상치를 적응적으로 합성한다.
낮은 가능도에서의 표본
특징 공간에서 추정한 클래스 조건부 분포 중 가능도가 낮은 영역에서 가상 이상치를 뽑는다. 분포 안 자료와 합성 이상치 사이의 불확실성 공간을 대조적으로 형성하는 미지 인식 학습 목표도 도입했다.
분류와 객체 탐지
합성 표본은 학습 중 결정 경계를 정규화하는 데 사용한다. 원 연구는 영상 분류 모형뿐 아니라 객체 탐지 모형에서도 분포 밖 탐지 성능을 평가했다.
관련 문서
Outlier Exposure / 마할라노비스 분포 밖 탐지 / 확률 분포 / 객체 탐지 / 이상 탐지 / 표현 학습