一种图像分类模型的分布外数据检测方法

本发明涉及的是一种图像分类模型的分布外数据检测方法，属于图像识别技术领域。通过将基于蒙特卡洛随机失活的认知不确定性和由测试样本和训练类之间的马氏距离计算的偶然不确定性相结合，以获得更稳健的分布外数据检测效果。为了获得有效的模拟分布外样本，本发明提出了一种熵引导的对抗分布外样本模拟方法，通过增加训练集中分布内样本的预测熵，使其能够模拟分布外样本的高不确定性特质。本发明作为一种无需分布外样本的无监督分布外数据检测方法，避免了对特定分布外类型的偏见，在实际基于神经网络的图像识别应用中，可以有效识别出分布外样本，确保图像识别系统的安全性和可靠性。