اكتشاف البيانات خارج التوزيع
الكشف عن البيانات خارج التوزيع يشير إلى تحديد العينات الشاذة التي لا تنتمي إلى توزيع بيانات التدريب في مهام الرؤية الحاسوبية. الهدف من هذه المهمة هو تعزيز متانة وقدرة النماذج على التعميم، مما يساعد في تجنب الأحكام الخاطئة على البيانات غير المعروفة من خلال اكتشاف وتصفية هذه الشواذ، وبالتالي تحسين سلامة وموثوقية النظام. في التطبيقات العملية، تعتبر هذه التقنية حاسمة لتحسين أداء النظام في مجالات مثل القيادة الذاتية وتحليل الصور الطبية.
ImageNet-1k vs Textures
ViM (BiT-S-R101×1)
ImageNet-1k vs iNaturalist
NNGuide (RegNet)
ImageNet-1k vs Places
BATS (ResNet-50)
ImageNet-1k vs SUN
LINe (ResNet50)
ImageNet-1k vs Curated OODs (avg.)
ASH-S (ResNet-50)
CIFAR-10 vs CIFAR-100
Wide 40-2 + OECC
CIFAR-100 vs CIFAR-10
WRN 40-2 + OECC
CIFAR-10
ResNet 34 + OECC+GM
ImageNet-1k vs OpenImage-O
NNGuide (RegNet)
STL-10
Mixup (Gaussian)
CIFAR-100 vs SVHN
OECC + MD
ImageNet-1k vs NINCO
Forte
ADE-OoD
RbA
CIFAR-100
Wide ResNet 40x2
MS-1M vs. IJB-C
ResNeXt50 + FSSD
CIFAR-10 vs SVHN
ImageNet dogs vs ImageNet non-dogs
ResNet34 + FSSD
ImageNet-1K vs ImageNet-O
NNGuide-ViM (ViT-B/16)
20 Newsgroups
2-Layered GRU
CIFAR-10 vs LSUN (C)
CIFAR-10 vs iSUN
CIFAR-10 vs ImageNet (R)
CIFAR-10 vs ImageNet (C)
CIFAR-10 vs Uniform
CIFAR-10 vs Gaussian
CIFAR-10 vs LSUN (R)
CIFAR-100 vs iSUN
DenseNet-BC-100
CIFAR-100 vs LSUN (C)
CIFAR-100 vs LSUN (R)
DenseNet-BC-100
CIFAR-100 vs ImageNet (R)
DenseNet-BC-100
CIFAR-100 vs ImageNet (C)
CIFAR-100 vs Uniform
CIFAR-100 vs Gaussian
Far-OOD
ISH (ResNet50)
Fashion-MNIST
PAE
Near-OOD
SVHN vs ImageNet (R)
SVHN vs ImageNet (C)
SVHN vs Uniform
SVHN vs Gaussian
SVHN vs CIFAR-10
SVHN vs CIFAR-100
SVHN vs iSUN
SVHN vs LSUN (C)
SVHN vs LSUN (R)
CIFAR-10 vs CIFAR-10.1
ERD (ResNet18)
Wide ResNet 40x2
cifar10
cifar100
Wide Resnet 40x2
ImageNet-1K vs ImageNet-C
ImageNet-1K vs SSB-hard
SST