초록
우리는 신경망에서 분포 외 이미지를 감지하는 문제를 고려합니다. 우리는 사전 학습된 신경망에 어떠한 변경도 필요하지 않은 간단하면서도 효과적인 방법인 ODIN을 제안합니다. 우리의 방법은 온도 스케일링을 사용하고 입력에 작은 교란을 추가하면 분포 내와 분포 외 이미지 간의 소프트맥스 점수 분포를 구분할 수 있다는 관찰에 기반합니다. 이는 더 효과적인 감지를 가능하게 합니다. 일련의 실험을 통해 ODIN이 다양한 네트워크 아키텍처와 데이터셋과 호환됨을 보여주며, 이 방법은 기존 접근 방식보다 크게 우수한 성능을 지속적으로 발휘하여 이 작업에서 새로운 최고 수준의 성능을 달성하였습니다. 예를 들어, ODIN은 진짜 양성률이 95%일 때 DenseNet(CIFAR-10에 적용)의 기준치인 34.7%에서 거짓 양성률을 4.3%로 줄였습니다.