신경망에서 분포 외 이미지 감지의 신뢰성 향상

우리는 신경망에서 분포 외 이미지를 감지하는 문제를 고려합니다. 우리는 미리 학습된 신경망에 대한 어떤 변경도 필요 없는 간단하고 효과적인 방법인 ODIN을 제안합니다. 우리의 방법은 온도 조정과 입력에 작은 섭동을 추가하는 것이 분포 내 및 분포 외 이미지 간의 소프트맥스 점수 분포를 분리할 수 있다는 관찰에 기반합니다. 이를 통해 더 효과적인 감지가 가능합니다. 일련의 실험을 통해 ODIN이 다양한 네트워크 아키텍처와 데이터셋과 호환됨을 보여주었습니다. ODIN은 일관되게 기준 접근법보다 큰 차이로 뛰어난 성능을 발휘하며 이 작업에서 새로운 최첨단 성능을 수립합니다. 예를 들어, ODIN은 DenseNet(학생 CIFAR-10에 적용)에서 진짜 양성 비율이 95%일 때 기준 34.7%에서 4.3%로 허위 양성 비율을 줄입니다.