[发明专利]基于隐空间的OOD检测方法、装置、服务器及存储介质

权利要求书

1.一种基于隐空间的OOD检测方法，其特征在于，包括：

获取待检测数据；

通过预设编码器对所述待检测数据进行编码处理，以将所述待检测数据映射至所述预设编码器的隐藏特征空间，得到压缩特征数据；

在所述隐藏特征空间中，通过多个预设单类别分类器确定所述压缩特征数据的多个分类结果；

若所述多个分类结果符合预设条件，则确定所述待检测数据为分布外数据；

其中，所述通过预设编码器对所述待检测数据进行编码处理，以将所述待检测数据映射至所述预设编码器的隐藏特征空间，得到压缩特征数据之前，还包括：

搭建自编码器模型并设定模型参数；

获取训练样本；

通过所述自编码器模型基于所述模型参数对所述训练样本进行处理，得到模型输出数据；

根据所述训练样本和所述模型输出数据确定样本损失函数；

基于所述样本损失函数更新所述模型参数，返回获取训练样本的步骤，直至所述样本损失函数符合预设条件，得到训练好的自编码器模型，所述训练好的自编码器模型包括预设编码器；

其中，所述训练样本包括原始样本数据和原始样本类标，所述模型输出数据包括重构样本数据和预测样本类标；所述根据所述训练样本和所述模型输出数据确定样本损失函数包括：

根据所述原始样本数据和所述重构样本数据确定数据损失函数；

根据所述原始样本类标和所述预测样本类标确定类标损失函数；

根据所述数据损失函数和所述类标损失函数确定样本损失函数。

2.如权利要求1所述的方法，其特征在于，所述自编码器模型包括编码器、分类层和解码器，所述通过所述自编码器模型基于所述模型参数对所述训练样本进行处理，得到模型输出数据包括：

通过所述编码器对所述原始样本数据进行特征提取，得到隐变量；

通过解码器对所述隐变量进行重构，得到重构样本数据；

通过所述分类层对所述隐变量进行类标预测，得到预测样本类标。

3.如权利要求1所述的方法，其特征在于，所述在所述隐藏特征空间中，通过多个预设单类别分类器确定所述压缩特征数据的多个分类结果之前，还包括：

通过所述预设编码器对所述训练样本进行特征提取，得到样本分类数据；

通过所述样本分类数据分别对多个预设分类模型进行分类训练，得到训练好的多个预设单类别分类器。

4.如权利要求3所述的方法，其特征在于，所述通过所述样本分类数据分别对多个预设分类模型进行分类训练，得到训练好的多个预设单类别分类器包括：

通过训练好的自编码器确定所述训练样本的重构误差和类标误差；

根据所述重构误差和所述类标误差确定样本权重；

基于所述样本权重设定多个预设分类模型的初始化参数，并通过所述样本分类数据分别对确定初始化参数后的多个预设分类模型进行训练，得到训练好的多个预设单类别分类器。

5.如权利要求1所述的方法，其特征在于，所述若所述多个分类结果符合预设条件，则确定所述待检测数据为分布外数据包括：

若所述多个分类结果中有预设数量的分类结果为不属于本类别，则确定所述待检测数据为分布外数据。