基于分类器预测不确定性的注意力增强分布外图像检测法

摘要

本发明提供一种基于分类器预测不确定性的注意力增强分布外图像检测法，该方法考虑了分类器的不确定性，使得分类结果更加可靠，并且利用不确定性对特征进行加权，使分类器更加关注样本对于分类有利的区域，忽略掉分布内样本固有噪声带来的影响，极大地提升了softmax最大分类概率值在分布外样本检测任务中的有效性，以及其在两类数据中的区分性。对于分布外样本，利用不确定性计算出的特征注意力图会让分类器关注更加错误的区域，导致更低的自信分数，进而提升检测效果；本方法不会过度局限于训练数据，对于边缘样本不容易产生误判，可以得到更好的检测效果。