HyunJun Choi

新框架通过优化模型、数据和表示学习来增强OOD检测

一篇新研究论文介绍了一个用于改进机器学习模型中分布外（OOD）检测的框架。该方法优化了三个关键因素：模型提醒、数据采样和表示学习。它包括自知识蒸馏（SKD）以保持分类准确性，半硬异常采样（SOS）以用最少的数据进行高效的异常检测，以及异常感知监督对比学习（OSCL）以增强分布内和分布外数据之间的分离。该方法在各种基准测试中，尤其是在长尾场景下，展示了改进的性能和准确性。