摘要
本发明公开了一种基于多尺度扩散的分布外检测方法，属于深度学习与计算机视觉领域。该方法首先对输入图像采用多尺度随机遮蔽策略，通过设计多个不同尺度的遮蔽块，对图像进行部分遮蔽处理。然后，利用在分布内图像上预训练的扩散模型对遮蔽后的图像进行重建。由于扩散模型能够精确重建分布内图像，而对分布外图像的遮蔽部分重建精度较低，从而显著增加分布内和分布外图像的重建误差差异。最后，通过重建误差计算实现分布外样本的检测与识别。该方法不仅在检测语义偏移样本上表现出色，同时在处理特征偏移但无语义偏移的样本时也具有优越的检测性能。本发明能够显著提高分布外检测的鲁棒性和准确性，具有良好的应用前景和实际效益。
