arXiv · Machine Learning· Akito Shinohara, Hiroaki Aizawa·· 13 小时前AI 评分33
秩-1权重校正的可训练权重平均用于分布外检测
Rank-1 Weight-Corrected Trainable Weight Averaging for Out-of-Distribution Detection
AI 导读
该研究提出秩-1权重校正的可训练权重平均方法，用于分布外检测，并以奇异值分解提取主导秩-1权重分量作为校正方向，学习其贡献。在ResNet50上，该方法在评测数据集的MSP和RankWeight评估中优于微调和标准TWA，覆盖使用或不使用Outlier Exposure的设置。Mahalanobis评估结果不一，目标层分析则显示分类器附近的校正更受MSP和Energy支持。
来源：arXiv · Machine Learning · arxiv.org