人工智能在行业的落地中面临开放世界识别的挑战。在大多数行业应用中，训练数据无法保证覆盖实际测试中的所有情况，模型对异常数据容易判断错误。Out-Of-Distribution (OOD) 检测算法正是解决这一问题。现有的OOD检测方法大多基于单一的输入信息：特征、logit或softmax概率，然而单一的信息无法应对分布多种多样的OOD样本。

在CVPR 2022上，商汤研究团队提出了名为Virtual-logit Matching (ViM) 的新型OOD检测方法 ，它巧妙地结合了类别无关的特征空间分数和In-Distribution (ID) 类别相关的logits分数，在多个测试集和网络结构上达到state-of-the-art效果。此外，论文还发布了当前最大的完全人工标注的OOD检测测试集OpenImage-O，是已知最大的OOD学术测试集的8.8倍。

论文地址：https://arxiv.org/abs/2203.10807

内容中包含的图片若涉及版权问题，请及时与我们联系删除