一种基于分类器的特征重建的分布外检测方法及系统

本发明提供一种基于分类器的特征重建的分布外检测方法及系统，包括：通过数据增强后的图像样本输入判别模型；获取图像在模型上的特征，保存模型传播过程中倒数第二层的特征输出；获取模型最后一层分类层的权重矩阵，通过权重矩阵的奇异值分解对该层权重进行权重分解，获取分解后的左奇异向量U；通过奇异值的比重选择由较大m个奇异值所对应的左奇异列向量构成投影子空间；将样本的特征在投影子空间上投影，并计算该样本投影向量的谱范数大小，即为该样本的置信度得分；通过衡量分布内和分布外样本置信度得分来执行分类任务。本发明所提出的方法不需要访问训练数据，同时在多个分布外检测基准上实现领先的性能。