将几个类别组成一个新的组,这样可以简化决策边界。划分方法有taxonomy(如使用ImageNet划分好的八个大类), feature clustering(K-Means), and random grouping 这三种。
分完大组后,为每个大组增加一个others的类别。如果是一个分布内的test1,那么它必属于某个组G中的其中一个小类c,因此它在组G中的others分会很低,类c的分会很高,但它在其他的组的others得分一定会很高,所以它的MOS(Minimum Others Score)得分会较低,低于预设的threshold(paper设置的95%)则被视为分布内样本。那么对于一个非分布内的test2,由于它不属于任何一个类别,所以它在任意组的others得分都较高,以致于它最终的MOS得分会很高(高于预设的threshold),所以可以判断它属于OOD。
实验结果: