EOOD : Détection hors distribution basée sur l'entropie

Les réseaux de neurones profonds (DNN) présentent souvent une trop grande confiance lorsqu'ils rencontrent des échantillons hors distribution (OOD), posant des défis significatifs pour le déploiement. Étant donné que les DNN sont entraînés sur des ensembles de données en distribution (ID), le flux d'information des échantillons ID à travers les DNN diffère inévitablement de celui des échantillons OOD. Dans cet article, nous proposons un cadre de Détection Hors Distribution Basée sur l'Entropie (EOOD). EOOD identifie d'abord un bloc spécifique où les différences de flux d'information entre les échantillons ID et OOD sont plus prononcées, en utilisant à la fois les échantillons ID et des échantillons pseudo-OOD. Il calcule ensuite l'entropie conditionnelle sur le bloc sélectionné comme score de confiance OOD. Des expériences complètes menées dans divers paramètres ID et OOD démontrent l'efficacité de l'EOOD dans la détection OOD et sa supériorité par rapport aux méthodes les plus avancées.