NegPrompt

正式實施“可轉移的負面提示以進行分發檢測”

現有的及時學習方法已經證明了某些功能在分佈（OOD）檢測中，但是他們缺乏目標數據集中的OOD圖像的感知可能會導致OOD圖像與分配（ID）類別之間的不匹配，從而導致高誤報率。為了解決這個問題，我們介紹了一種名為“ Negprompt”的新型OOD檢測方法，該方法旨在學習一組負面提示，每個提示都代表給定類標籤的負面含義，以描繪ID和OOD圖像之間的邊界。它僅使用ID數據來學習這種負面提示，從而消除了其對外部數據的依賴。此外，當前的方法假設所有ID類的樣本的可用性使它們在開放式學習方案中無效，在培訓數據中，推理階段可以包含新的ID類。相比之下，我們學到的負面提示可以轉移到新型類標籤上。基於各種成像網基準的實驗表明，負面影響超過了最先進的基於學習的OOD檢測方法，並在閉合和開放式攝影庫分類方案中保持硬OOD檢測方面的一致鉛。全文可用AR ARXIV。

整體架構

安裝

否定環境需要做好準備：

conda create -n NegPrompt python=3.8
conda activate NegPrompt
pip install -r requirements.txt

數據準備

首先，製作一個新目錄./data來存儲數據集。

然後像https://github.com/atsumiyai/locoop下載數據集一樣。

以這樣的方式安排數據目錄：

 NegPrompt
|-- data/
    |-- ImageNet1k/
	|-- ILSVRC/
		|-- Data/
			|-- CLS-LOC/
				|-- train/
				|-- val/
		｜protocols/
    |-- iNaturalist/
	|--images/
    |-- SUN/
	|--images/
    |-- Places/
	|--images/
    |-- dtd/
	|--images/
    ...

火車和驗證

培訓Negprompt的對流OOD：

conda activate NegPrompt
python ./scripts/train_test_ood.py

培訓否定效果的硬OOD：

conda activate NegPrompt
python ./scripts/train_test_openset.py

引用

 @inproceedings { li2024learning ,
  title = { Learning Transferable Negative Prompts for Out-of-Distribution Detection } ,
  author = { Li, Tianqi and Pang, Guansong and Bai, Xiao and Miao, Wenjun and Zheng, Jin } ,
  booktitle = { Proceedings of the IEEE/CVF conference on computer vision and pattern recognition } ,
  year = { 2024 }
}