申请/专利权人：南方科技大学;华为技术有限公司

申请日：2021-03-19

公开（公告）日：2023-04-28

公开（公告）号：CN113033817B

主分类号：G06N20/00

分类号：G06N20/00;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.04.28#授权;2021.07.13#实质审查的生效;2021.06.25#公开

摘要：本发明实施例公开了一种基于隐空间的OOD检测方法、装置、服务器及存储介质，所述方法包括：获取待检测数据；通过预设编码器对待检测数据进行编码处理，以将待检测数据映射至预设编码器的隐藏特征空间，得到压缩特征数据；在隐藏特征空间中，通过多个预设单类别分类器确定压缩特征数据的多个分类结果；若多个分类结果符合预设条件，则确定待检测数据为分布外数据。本发明实施例通过预设编码器和预设单类别分类器的结合实现了OOD数据的检测，预设编码器可以找到表征更精准的特征空间，可以在更低维度空间中进行OOD检测，提高自编码器对OOD数据检测的精度，相比于其他的检测算法可以有效降低内存需求和能耗。

主权项：1.一种基于隐空间的OOD检测方法，其特征在于，包括：获取待检测数据；通过预设编码器对所述待检测数据进行编码处理，以将所述待检测数据映射至所述预设编码器的隐藏特征空间，得到压缩特征数据；在所述隐藏特征空间中，通过多个预设单类别分类器确定所述压缩特征数据的多个分类结果；若所述多个分类结果符合预设条件，则确定所述待检测数据为分布外数据；其中，所述通过预设编码器对所述待检测数据进行编码处理，以将所述待检测数据映射至所述预设编码器的隐藏特征空间，得到压缩特征数据之前，还包括：搭建自编码器模型并设定模型参数；获取训练样本；通过所述自编码器模型基于所述模型参数对所述训练样本进行处理，得到模型输出数据；根据所述训练样本和所述模型输出数据确定样本损失函数；基于所述样本损失函数更新所述模型参数，返回获取训练样本的步骤，直至所述样本损失函数符合预设条件，得到训练好的自编码器模型，所述训练好的自编码器模型包括预设编码器；其中，所述训练样本包括原始样本数据和原始样本类标，所述模型输出数据包括重构样本数据和预测样本类标；所述根据所述训练样本和所述模型输出数据确定样本损失函数包括：根据所述原始样本数据和所述重构样本数据确定数据损失函数；根据所述原始样本类标和所述预测样本类标确定类标损失函数；根据所述数据损失函数和所述类标损失函数确定样本损失函数。

全文数据：

权利要求：

百度查询： 南方科技大学;华为技术有限公司 基于隐空间的OOD检测方法、装置、服务器及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD