OOD Detection via Comprehensive Contrastive Learnings

Abstract

Out-of-Distribution(OOD) 탐지란, 데이터에 속한 의도하지 않은 영역의 데이터를 탐지해내는 것을 말한다. 이 연구에서는 대조 학습을 사용해 자기 지도 학습을 사용한 새로운 이상 분포 데이터 탐지 모델을 제시한다. 우리는 Instance-wise, Augment-wise, Cluster-wise의 각각의 다른 대조 학습을 사용하는 레이어들을 Resnet 18모델에 더하여 세 가지 대조 학습을 동시에 진행하였다. 세 가지 레이어 각각에 대해 이상 분포 점수를 정의하고, 정상 분포 데이터의 점수와 이상 분포 데이터의 점수를 비교해 AUROC를 얻었다. 연구에서 제시한 이상 분포 탐지 모델의 학습과 테스트는, CIFAR-10 데이터 세트에서 한 클래스를 정상 분포 데이터로, 나머지를 이상 분포 데이터로 간주해 진행되었으며 다른 OOD 탐지 기술에 비해 좋은 성능을 보였다.