VIP9
本课程属于：080-Hard Case长尾挖掘与主动学习工程 智能汽车与新能源汽车工程 · 共 9 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

OOD检测与异常场景挖掘工程

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=OOD检测与异常场景挖掘的定义 · 学习目标 · 整体知识框架与工程应用价值
课程导入OOD
02
基础概念
目标=分布内与分布外 · 异常 · 新颖性
基础概念目标=分布内
03
数学基础
目标=概率分布 · 密度估计 · 距离度量
数学基础目标=概率分布
04
评价指标
目标=AUROC · AUPR · FPR95
评价指标AUROC
05
数据工程
目标=OOD数据采集 · 异常场景标注 · 数据划分
数据工程OOD
06
经典OOD检测方法
目标=基于Softmax置信度 · 温度缩放 · ODIN
OOD经典
07
生成式OOD检测
目标=基于VAE · GAN · 归一化流与扩散模型的密度估计与重构误…
OOD生成式
08
距离与表示学习
目标=Mahalanobis距离 · 特征空间最近邻 · 对比学习与自监督表示在OOD检测中的…
距离表示学习
09
异常场景挖掘
目标=主动学习 · 不确定性采样 · 多样性采样与基于聚类的异常候选发现流…
异常场景挖掘目标=主动学习
10
开放集识别
目标=OpenMax · 原型学习 · 拒识机制与增量类别发现的关键技术
开放集识别OpenMax
11
时序与序列OOD
目标=时间序列异常检测 · 视频异常检测 · 日志异常挖掘与序列建模方法
OOD时序
12
图与结构化数据OOD
目标=图神经网络异常检测 · 节点与边级别异常 · 动态图异常场景挖掘
OOD结构化数据
13
多模态OOD检测
目标=文本 · 图像 · 音频与传感器融合场景下的分布外检测与…
OOD多模态
14
大模型与OOD
目标=预训练模型表示 · 提示学习 · 零样本OOD检测与LLM辅助异常场景…
OOD大模型
15
鲁棒性与对抗OOD
目标=对抗样本 · 分布偏移下的鲁棒性 · 对抗训练与认证防御基础
OOD鲁棒性
16
可解释性与可视化
目标=OOD分数解释 · 异常归因 · 特征重要性
可解释性可视化
17
工程架构
目标=OOD检测系统设计 · 数据流水线 · 模型服务
工程架构OOD
18
实战案例一
目标=图像分类中的OOD检测与异常场…
实战案例一OOD
19
实战案例二
目标=工业质检中的缺陷异常检测与未知…
实战案例二目标=工业质检
20
实战案例三
目标=金融风控中的欺诈交易OOD检测…
实战案例三OOD
21
实战案例四
目标=自动驾驶中的长尾场景挖掘与分布…
实战案例四目标=自动驾驶
22
实战案例五
目标=医疗影像中的罕见病变OOD检测…
实战案例五OOD
23
常见问题
目标=阈值选择 · 分数校准 · 类别不平衡
常见问题目标=阈值选择
24
调参与优化
目标=超参数搜索 · 模型选择 · 集成方法
调参优化
25
数据增强与合成
目标=异常场景生成 · OOD数据合成 · 域随机化与仿真数据挖掘
数据增强合成
26
持续学习与在线更新
目标=概念漂移检测 · 增量学习 · 模型再训练与灾难性遗忘缓解
持续学习线更新
27
隐私与安全
目标=联邦学习下的OOD检测 · 差分隐私 · 模型窃取与异常检测安全
隐私安全
28
工具与框架
目标=PyTorch · PyTorch Lightning · OpenOOD
工具框架
29
综合项目
目标=端到端OOD检测与异常场景挖掘… · 实现 · 评估与部署
综合项目OOD
30
前沿与总结
目标=最新研究趋势 · 开放挑战 · 伦理考量与课程知识体系回顾
前沿目标=最新研究趋…