图像分布外检测研究综述

作     者：郭凌云 李国和 龚匡丰 薛占熬 GUO Lingyun;LI Guohe;GONG Kuangfeng;XUE Zhan′ao

作者机构：中国石油大学(北京)信息科学与工程学院北京102249 中国石油大学(北京)石油数据挖掘北京市重点实验室北京102249 河南师范大学计算机与信息工程学院新乡453007 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2023年第36卷第7期

页      面：613-633页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：克拉玛依科技计划项目(No.2020CGZH0009) 中国石油大学(北京)克拉玛依校区科研基金项目(No.RCYJ2016B-03-001)资助 

主　　题：机器学习 深度学习 分布外(OOD)检测 图像识别 

摘      要：分类器学习一般假设训练样本和预测样本具有独立同分布.由于该条件过强,实践中当分类器面向分布外(Out-of-Distribution,OOD)样本时容易导致预测错误.因此,对OOD检测进行深入研究就显得尤为重要.文中首先介绍OOD检测的概念及其相关研究领域,根据网络训练方式的差异性对有监督的检测方法、半监督的检测方法、无监督的检测方法和异常值暴露的检测方法进行系统概述.然后按照关键技术从神经网络分类器、度量学习和深度生成模型三方面总结现有OOD检测方法.最后讨论OOD检测未来的研究方向.