Для правильного вывода в реальных приложениях необходимо обнаружение выборок, которые находятся вне распределения данных, используемых для обучения модели ML.
Вероятность Thresholding не кажется хорошим вариантом, так как большинство DNN, как правило, слишком самоуверенны даже для образцов вне распределения.
Я нашел несколько работ, в которых говорится о out-of-distribution-detection, но Tensorflow не делает ' Кажется, что для каждого из них есть встроенная реализация.
Поскольку это, кажется, распространенный сценарий для любой модели ML, развернутой для реальных приложений, мне было интересно, есть ли способ найти out of distribution samples до того, как сделать вывод (в TensorFlow или TFLite, с учетом обученной модели CNN в формате графического файла .pb или .tflite)?