Ood Detection

La détection de données hors distribution (OOD) consiste à identifier les instances de données qui ne font pas partie de la distribution sur laquelle le classifieur a été formé. Les données OOD sont souvent appelées « données non vues » car le modèle ne les a pas rencontrées lors de l'entraînement. L'objectif de cette tâche est d'entraîner un modèle pour distinguer entre les données en distribution (ID), que le modèle a vues pendant l'entraînement, et les données hors distribution (OOD), qu'il n'a pas rencontrées, afin d'améliorer la robustesse et les capacités de généralisation du modèle. Cela peut être réalisé en entraînant un détecteur OOD indépendant ou en modifiant l'architecture du modèle et sa fonction de perte. Dans le domaine de la vision par ordinateur, la détection OOD est particulièrement précieuse pour identifier les anomalies et les objets inconnus.