论文题目:Out-of-Distribution Detection in Long-Tailed Recognition with Calibrated Outlier Class Learning
论文链接:https://ojs.aaai.org/index.php/AAAI/article/view/28217
1. 背景与动机
分布外检测方法(Out-Of-Distribution, OOD)已经在平衡的数据集上取得了巨大成功,但其在长尾识别场景中会变得无效。具体表现为:
1)域外样本容易被错分到主类中;
2)尾部类别的域内(In-Distribution, ID)样本容易被当作域外样本。
为了克服这些问题,现有工作拟合一个辅助/伪域外数据的先验分布到长尾的域内数据上。
然而,在长尾识别中,由于域外样本的未知性和严重的类别不平衡,准确的先验分布很难得到。一种直接的避免先验需求的解决