Predicting Out-of-Distribution Error with the Projection Norm

鑫照不萱

已于 2025-03-23 13:53:13 修改

阅读量464

点赞数 6

分类专栏：论文阅读文章标签：深度学习人工智能

于 2025-03-19 20:43:02 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/m0_62673638/article/details/146353869

版权

论文阅读专栏收录该内容

26 篇文章 ¥39.90 ¥99.00

订阅专栏

超级会员免费看

一. Introduction

直接开门见山了，这篇论文的思想就是首先定义预测的模型的参数为 $\widehat{\theta}$ ，然后该参数模型下对OOD数据进行预测得到伪标签也就是pseudo-label，然后将这个pseudo-label作为OOD的真实标签再得到一个训练的模型，这个新训练的模型的参数为 $\widetilde{\theta}$ ，通过衡量 $\widehat{\theta}$ 和 $\widetilde{\theta}$ 之间的距离来预测模型在OOD数据上的误差，参数的差距越大得到的误差越大。

另外作者指出，很多预测OOD数据performance的方法都是借用的模型的logits输出从而不能捕获和训练数据分布相垂直的信息，而且这些方法也因为这个共同点他们一定程度上是等价的，而且不能相互结合(ensembling w

了解本专栏

超级会员免费看

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。