Une Base de Référence pour la Détection d'Exemples Mal Classifiés et Hors Distribution dans les Réseaux Neuronaux

Nous abordons les deux problèmes connexes de la détection des exemples mal classifiés ou en dehors de la distribution. Nous présentons une méthode de base simple qui utilise les probabilités issues des distributions softmax. Les exemples correctement classifiés ont tendance à présenter des probabilités maximales softmax plus élevées que ceux mal classifiés et en dehors de la distribution, ce qui permet leur détection. Nous évaluons les performances en définissant plusieurs tâches dans le domaine de la vision par ordinateur, du traitement du langage naturel et de la reconnaissance automatique de la parole, montrant l'efficacité de cette méthode de base dans tous ces domaines. Nous démontrons ensuite que cette méthode peut parfois être surpassée, soulignant ainsi le potentiel pour des recherches futures sur ces tâches de détection peu explorées.