Geri Dön

Generalızed outlıer exposure for robust out-of-dıstrıbutıon detectıon: a study on mıxıng, fılterıng, and augmentatıon

Sağlam dağılım dışı tespiti için genelleştirilmiş aykırı veriye maruz bırakma: karıştırma, filtreleme ve veri artırma üzerine bir çalışma

PDF İndir

  1. Tez No: 972823
  2. Yazar: FATMA ÖZTEL
  3. Danışmanlar: PROF. DR. ALTAN KOÇYİĞİT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Enformatik Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Veri Bilimi Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Aykırı Veriye Maruz Bırakma (AVMB) tabanlı Dağılım Dışı (DD) tespit yöntemleri, eğitim sırasında DD verilerinden faydalanarak yüksek performans göstermektedir. Ancak, güncel bir zorluk AVMB'nin zaman zaman sınıflandırma performansını olumsuz etkileyebilmesidir. Bu tez, AVMB tabanlı DD tespitinin olumsuz etkilerini azaltmak amacıyla karıştırma ile güven yüzeyini yumuşatma ve karmaşık DD örneklerini filtreleme stratejilerini içeren Genelleştirilmiş Aykırı Veriye Maruz Bırakma (G-AVMB) yöntemlerini değerlendirmektedir. Karıştırma ve filtreleme yöntemlerinin performanslarının değerlendirilmesinin yanı sıra, daha sağlam DD tespit yöntemleri geliştirmek amacıyla çeşitli alternatif karıştırma, filtreleme ve veri artırma tekniklerinin kullanımı araştırılmıştır. KesKarıştır ve manifold karıştırma, karıştırmaya alternatif olarak incelenmiş; belirsizlik tabanlı (sınır, entropi) ve özellik tabanlı (kosinüs, Öklidyen) filtreleme yöntemleri ise geleneksel filtrelemeye alternatif olarak değerlendirilmiştir. Ayrıca, geometrik ve fotometrik dönüşümleri içeren çeşitli veri artırma yöntemleri uygulanmıştır. Bu yöntemlerin hem sınıflandırma doğruluğu hem de DD tespit performansı üzerindeki etkileri kapsamlı deneylerle incelenmiştir. Sonuç olarak, bu yaklaşımların güçlü ve sınırlı yönleri tartışılmış ve literatüre değerli katkılar sunulmuştur.

Özet (Çeviri)

Outlier Exposure (OE)-based Out-of-Distribution (OOD) detection methods achieve strong performance by leveraging OOD data during training. However, OE can sometimes negatively impact classification performance, which remains an ongoing challenge. This thesis evaluates Generalized Outlier Exposure (G-OE) methods, which introduce two strategies—smoothing the confidence surface with Mixup and filtering confusing OOD samples—to mitigate the negative effects of OE-based OOD detection. In addition to assessing the performance of Mixup and filtering, various alternative Mixup, filtering, and augmentation techniques are investigated to develop more robust OOD detection methods. CutMix and Manifold Mixup are explored as alternatives to Mixup; uncertainty-based (margin, entropy) and feature-based (cosine, Euclidean) filtering methods are examined as alternatives to conventional filtering; and diverse augmentations—including geometric and photometric transformations—are implemented. The effects of these methods on both classification accuracy and OOD detection performance are evaluated through extensive experiments. As a result, the strengths and limitations of these approaches are discussed, providing valuable insights for the literature.

Benzer Tezler

  1. Tez No

    769481

    Aykırı değer varlığında genelleştirilmiş eklemeli modeller ve bir uygulama

    Generalized additive models and an application in outlier entity

    TALOUTOU YARI DRAMANE

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İstatistikNecmettin Erbakan Üniversitesi

    İstatistik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET PEKGÖR

  2. Tez No

    432780

    Aykırı değer durumunda genelleştirilmiş behrens-fısher problemi için düzeltilmiş testler

    Modified tests for generalized behrens-fisher problem in the presence of outlier

    MUSTAFA ÇAVUŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    İstatistikAnadolu Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. BERNA YAZICI

    YRD. DOÇ. DR. AHMET SEZER

  3. Tez No

    479961

    Performance of spline-based GAM in the presence of outliers and multicollinearity

    Splayn-tabanlı GAM'ın çoklu bağlantı ve aykırı değer varlığında performansları

    HURUY DEBESSAY ASFHA

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    İstatistikAnadolu Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. BETÜL KAN KILINÇ

  4. Tez No

    84929

    Statik deformasyon analizinde robust kestirim yöntemlerinin kullanılması üzerine bir araştırma

    An Investigation on the use of robust estimation methods in static deformation analysis

    MUSTAFA ATA

    Doktora

    Türkçe

    Türkçe

    1999

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Jeodezi ve Fotogrametri Ana Bilim Dalı

    PROF. DR. ŞERİF HEKİMOĞLU

  5. Tez No

    352000

    Refinements, extensions and modern applications of conic multivariate adaptive regression splines

    Konik çok değişkenli uyarlanabilir regresyon eğrilerinin geliştirilmesi, uzantıları ve modern uygulamaları

    FATMA YERLİKAYA ÖZKURT

    Doktora

    İngilizce

    İngilizce

    2013

    MatematikOrta Doğu Teknik Üniversitesi

    Bilimsel Hesaplama Ana Bilim Dalı

    PROF. DR. GERHARD WILHELM WEBER

Geri Dön