【AAAI 2024】异常检测 | COCL：长尾识别中带有可校准离群类学习的分布外检测

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