الكشف عن الجديد شبه المراقب باستخدام المجموعات مع عدم الاتفاق المُنظَّم

غالبًا ما تُقدّر الشبكات العصبية العميقة العينات بثقة عالية حتى عندما تكون من فئات غير مرئية، ويجب في هذه الحالة تحذير الخبراء لتقييمها. لا تتمكن الخوارزميات الحالية للكشف عن الأصوات الجديدة (novelty detection) من تحديد هذه النقاط القريبة من الفئات الخارجية (OOD) بشكل موثوق إلا إذا كانت لديها وصول إلى بيانات مُعلّمة مشابهة لهذه العينات الجديدة. في هذه الورقة، نُطوّر إجراءً جديدًا قائمة على التجميع (ensemble-based) للكشف عن الأصوات الجديدة شبه المُعلّم (SSND)، والذي يُستخدم بفعالية مزيجًا من العينات غير المُعلّمة من الفئات المعروفة (ID) والعينات من فئات جديدة لتحقيق أداء جيد في الكشف. وبشكل خاص، نُظهر كيف يمكن تحقيق عدم اتفاق فقط على البيانات الخارجية (OOD) باستخدام تنظيم التوقف المبكر (early stopping regularization). وعلى الرغم من إثباتنا لهذا الأمر في توزيع بيانات بسيط، فإن التجارب الواسعة التي أجريناها تشير إلى أن هذه الحقيقة تنطبق أيضًا على السيناريوهات الأكثر تعقيدًا: حيث يتفوّق نهجنا بشكل كبير على أحدث الطرق في مجال SSND على مجموعات بيانات صور قياسية (SVHN/CIFAR-10/CIFAR-100) وعلى مجموعات بيانات صور طبية، مع زيادة ضئيلة جدًا في التكلفة الحسابية.