计算机视觉中的分布外检测：全面综述与研究挑战

《ACM Computing Surveys》：Out-of-Distribution Detection in Computer Vision: A Comprehensive Survey and Research Challenges

　　

摘要AI摘要

要查看此由AI生成的摘要，您需要拥有高级访问权限。

了解更多登录

摘要

摘要

在高风险场景中部署的神经网络需要具备对异常输入的强鲁棒性。尽管在不确定性估计和异常数据检测领域，人们已经广泛研究了神经网络对此类输入的抵御能力，但针对这两个紧密关联的问题领域的统一视角仍然缺失。在本研究中，我们通过综述现有研究成果来填补这一空白，将不确定性估计与异常数据检测的相关研究整合在一起，从而为各种方法、工具和评估标准提供全面的概述。我们根据不同任务对现有的异常数据检测技术进行分类，包括多类别与多标签分类、图像分割以及物体检测等，以此展现除传统多类别场景之外的研究进展与面临的挑战。此外，我们还重点介绍了异常数据检测中的测试时自适应技术，以及一些探索其基本极限的新理论成果，为未来的研究指明了具有潜力但尚未充分开发的方向。

AI摘要

AI生成的摘要（实验性）

该摘要是通过自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现相关内容、评估文章的实用性，以及让相关领域的读者更好地理解这篇论文。它是对作者提供的摘要的补充，而作者提供的摘要仍是论文的核心摘要。完整文章才是最具权威性的版本。点击此处了解更多。

请点击此处，对这段摘要的准确性、清晰度及实用性发表意见。您的反馈将有助于进一步优化未来的生成版本。

要查看此由AI生成的通俗语言摘要，您需要拥有高级访问权限。