公开(公告)号：CN117422926A

公开(公告)日：2024-01-19

申请号：CN202311483282.0

申请日：2023-11-08

Applicant: 广州大学

Inventor： 唐可可 ,  蔡旭健 ,  彭伟龙 ,  田志宏 ,  李树栋 ,  王乐

IPC: G06V10/764 ,  G06V10/74 ,  G06V10/82 ,  G06V10/40 ,  G06F40/30 ,  G06F40/284 ,  G06N3/08

Abstract: 本发明提供了一种基于CLIP模型和词树的分布外检测方法及装置，方法包括：识别分布内数据集中每个分布内词在WordNet中的位置，并在WordNet中选定与各个所述分布内词最相似的k个分布外词；利用分布内词和选定的与各个所述分布内词最相似的k个分布外词，构建词树；获取待检测图像；使用CLIP模型对所述待检测图像和所述词树上的词进行概念匹配，得到概念匹配分数；基于概念匹配分数计算分布外分数，并根据所述分布外分数进行分布外检测，得到分布外检测结果。本发明通过搜索在WordNet中和分布内词最接近的k个分布外词，构建了词树，并结合CLIP模型进行概念匹配，以计算分布外分数来进行分布外检测，充分利用了WordNet中的词与词之间的联系，实现了更为精确的分布外检测效果。

公开(公告)号：CN116467650A

公开(公告)日：2023-07-21

申请号：CN202310222879.3

申请日：2023-03-08

Applicant: 广州大学

Inventor： 唐可可 ,  蔡旭健 ,  彭伟龙 ,  李树栋 ,  李默涵 ,  王乐

IPC: G06F18/2413 ,  G06F18/213 ,  G06N3/02

Abstract: 本发明涉及计算机视觉和深度学习技术领域，且公开了基于K最近邻图的分布外检测技术，首先使用神经网络对分布内训练数据进行特征提取；其次把分布内数据集的特征作为结点，使用这些结点初始化并重建K最近邻图；测试时，在K最近邻图中搜索测试样本的K个最近邻结点，并为测试样本计算分布外检测分数；如果分布外检测分数小于阈值，则判断测试样本为分布内数据，并把代表该样本的结点加入K最近邻图，否则判断该测试样本为分布外数据。该基于K最近邻图的分布外检测技术，通过构建K最近邻图，加快了搜索最近邻结点的速度；在计算特征距离的时候，在余弦相似度的基础上，增加特征的全局代表性的权重，充分利用了更具分布内全局代表性的特征。