Àüü
ÀüÀÚ/Àü±â
Åë½Å
ÄÄÇ»ÅÍ
·Î±×ÀÎ
ȸ¿ø°¡ÀÔ
About Us
ÀÌ¿ë¾È³»
¿¬±¸¹®Çå
±¹³» ³í¹®Áö
¿µ¹® ³í¹®Áö
±¹³» ÇÐȸÁö
Çмú´ëȸ ÇÁ·Î½Ãµù
±¹³» ÇÐÀ§ ³í¹®
³í¹®Á¤º¸
¹é¼
±³À°Á¤º¸
¿¬±¸ ù°ÉÀ½
ÇаúÁ¤º¸
°ÀÇÁ¤º¸
µ¿¿µ»óÁ¤º¸
E-Learning
¿Â¶óÀÎ Àú³Î
½ÉÈÁ¤º¸
¿¬±¸ ¹× ±â¼úµ¿Çâ
Áֿ俬±¸ÅäÇÈ
ÁÖ¿ä°úÁ¦ ¹× ±â°ü
Çؿܱâ°ü °ü·ÃÀÚ·á
¹ÙÀÌ¿À Á¤º¸±â¼ú
ÁÖ¿ä Archive Site
Æ÷Ä¿½ºiN
¿¬±¸ÀÚ Á¤º¸
¶óÀÌ¡½ºÅ¸
ÆÄ¿öiNÅͺä
¼¼ÁßÇÑ
¿¬±¸ÀÚ·á
¹®ÀÚ DB
¿ë¾î»çÀü
¾Ë¸²¸¶´ç
ºÎ½Ç ÇмúÈ°µ¿ ¿¹¹æ
³í¹®¸ðÁý
´ëȸ¾È³»
What's New
¿¬±¸ºñÁ¤º¸
±¸ÀÎÁ¤º¸
°øÁö»çÇ×
CSERIC ±¤Àå
Post-Conference
¿¬±¸ÀÚ Ä«Æä
ÀÚÀ¯°Ô½ÃÆÇ
Q&A
´Ý±â
»çÀÌÆ®¸Ê
¿¬±¸¹®Çå
±¹³» ³í¹®Áö
¿µ¹® ³í¹®Áö
±¹³» ÇÐȸÁö
Çмú´ëȸ ÇÁ·Î½Ãµù
±¹³» ÇÐÀ§ ³í¹®
³í¹®Á¤º¸
¹é¼
±³À°Á¤º¸
¿¬±¸ ù°ÉÀ½
ÇаúÁ¤º¸
°ÀÇÁ¤º¸
µ¿¿µ»óÁ¤º¸
E-Learning
¿Â¶óÀÎ Àú³Î
½ÉÈÁ¤º¸
¿¬±¸ ¹× ±â¼úµ¿Çâ
Áֿ俬±¸ÅäÇÈ
ÁÖ¿ä°úÁ¦ ¹× ±â°ü
Çؿܱâ°ü °ü·ÃÀÚ·á
¹ÙÀÌ¿À Á¤º¸±â¼ú
ÁÖ¿ä Archive Site
ÄÄÇ»ÅÍiN
¿¬±¸ÀÚ Á¤º¸
¿¬±¸ÀÚ·á
¹®ÀÚ DB
Ȧ·Î±×·¥ DB
¿ë¾î»çÀü
¾Ë¸²¸¶´ç
ºÎ½Ç ÇмúÈ°µ¿ ¿¹¹æ
³í¹®¸ðÁý
´ëȸ¾È³»
What's New
¿¬±¸ºñ Á¤º¸
±¸ÀÎÁ¤º¸
°øÁö»çÇ×
IT Daily
CSERIC ±¤Àå
Post-Conference
¿¬±¸ÀÚ Ä«Æä
ÀÚÀ¯°Ô½ÃÆÇ
Q&A
¼ºñ½º ¹Ù·Î°¡±â
¼³¹®Á¶»ç
¿¬±¸À±¸®
°ü·Ã±â°ü
Please wait....
¿¬±¸¹®Çå
±¹³» ³í¹®Áö
¿µ¹® ³í¹®Áö
±¹³» ÇÐȸÁö
Çмú´ëȸ ÇÁ·Î½Ãµù
±¹³» ÇÐÀ§ ³í¹®
³í¹®Á¤º¸
¹é¼
±¹³» ÇÐȸÁö
Ȩ > ¿¬±¸¹®Çå > ±¹³» ÇÐȸÁö >
µ¥ÀÌÅͺ£À̽º ¿¬±¸È¸Áö(SIGDB)
µ¥ÀÌÅͺ£À̽º ¿¬±¸È¸Áö(SIGDB)
Current Result Document :
1
/ 2
´ÙÀ½°Ç
ÇѱÛÁ¦¸ñ(Korean Title)
½ÉÃþ½Å°æ¸Á¿¡¼ ÇнÀ ¿Ü ºÐÆ÷ µ¥ÀÌÅÍ Å½Áö ¾Ë°í¸®Áò
¿µ¹®Á¦¸ñ(English Title)
Detecting Out-of-distribution data for Deep Neural Networks
ÀúÀÚ(Author)
±è»ó¿ø
ÀÌÈ£ÁØ
±è¼ºÈÆ
¼Áö¿ø
Sangwon Kim
Hojun Lee
Seonghun Kim
Jiwon Seo
¿ø¹®¼ö·Ïó(Citation)
VOL 35 NO. 02 PP. 0066 ~ 0077 (2019. 08)
Çѱ۳»¿ë
(Korean Abstract)
½ÉÃþ½Å°æ¸Á ȤÀº ¿¡¼ÀÇ ÇнÀ ¿Ü ºÐÆ÷ µ¥ÀÌÅÍ (Deep Neural Network, DNN) (Out-of-Distribution Data)¶õ ÇØ´ç ½ÉÃþ½Å°æ¸ÁÀ» ÇнÀ½ÃŲ µ¥ÀÌÅÍ¿Í »ó´çÇÑ Â÷À̸¦ º¸ÀÌ´Â µ¥ÀÌÅ͸¦ ¸»ÇÑ´Ù. ÇÏÁö¸¸, ½ÉÃþ½Å°æ¸ÁÀÌ µµÃâÇÏ´Â °á°ú¿¡ ´ëÇÑ ±Ù°Å¿Í µµÃâ ¹æ¹ýÀ» ÀÌÇØÇÏ´Â °ÍÀÌ ¾î·Æ±â ¶§¹®¿¡ ÇнÀ ¿Ü ºÐÆ÷ µ¥ÀÌÅ͸¦ ŽÁöÇϱ⠾î·Æ´Ù. º» ³í¹®¿¡¼´Â ¸¹Àº µ¥ÀÌÅÍµé ¼Ó¿¡¼ ±×·¯ÇÑ ÇнÀ ¿Ü ºÐÆ÷ µ¥ÀÌÅ͸¦ Á¤È®ÇÏ°Ô ½Äº°Çϱâ À§ÇØ µ¶Ã¢ÀûÀÎ ±â¹ýÀ» Á¦¾ÈÇÑ´Ù ÀÌ ±â¹ýÀº ÇнÀ ³» ºÐÆ÷ µ¥ÀÌÅÍ¿¡ ´ëÀÀÇÏ´Â Àº´Ð ´º·ÐµéÀÌ Æ¯Á¤ÇÑ ºÐÆ÷¸¦ °¡Áø´Ù´Â °¡Á¤À» ±â¹ÝÀ¸·Î ÇÑ´Ù. ÀÌ·¯ÇÑ, °¡Á¤ ÇÏ¿¡¼ º» ±â¹ýÀº ÇнÀ ³» ºÐÆ÷ µ¥ÀÌÅ͸¦ ºñ½ÁÇÑ Àº´Ð ´º·Ð ÆÐÅÏÀ» °¡Áø °Í³¢¸® ±ºÁýÈ ÇÑ ÈÄ ±× °á°ú¸¦ ¹ÙÅÁÀ¸·Î ÇнÀ ¿Ü ºÐÆ÷ µ¥ÀÌÅ͸¦ °ËÃâÇÑ´Ù
¿µ¹®³»¿ë
(English Abstract)
The inference outcome of a Deep Neural Network (DNN) may be incorrect if the input is substantially different from the distribution of its training data. Thus detecting such out-of-distribution (OOD) data is essential for a DNN to be securely applied. Because we do not yet understand why and how a DNN makes an inference, it is hard to identify OOD data by examining the inference process. We propose a novel method to accurately detect OOD data and in-distribution (ID) data. Our method assumes that there exists a specific distribution of the values of hidden neurons for ID data. Under this assumption, our method clusters ID data with similar hidden-neuron patterns and detect OOD data based on the clustering results.
Å°¿öµå(Keyword)
Deep Neural Network
Out-of-Distribution detection
Deep Neural Network Security
½ÉÃþ½Å°æ¸Á ÇнÀ
ºÐÆ÷ µ¥ÀÌÅÍ Å½Áö
½ÉÃþ½Å°æ¸Á º¸¾È
ÆÄÀÏ÷ºÎ
PDF ´Ù¿î·Îµå
¸ñ·Ï
Copyright(c)
Computer Science Engineering Research Information Center
. All rights reserved.