我们研究了神经网络中检测分布外图像的问题。为此，我们提出了一种简单且有效的方法——ODIN（Out-of-Distribution Detector for Neural Networks），该方法无需对预训练的神经网络进行任何修改。我们的方法基于以下观察：通过温度缩放和对输入添加微小扰动，可以分离出分布内图像和分布外图像的softmax分数分布，从而实现更有效的检测。一系列实验表明，ODIN兼容多种网络架构和数据集，并且在这一任务上始终大幅优于基线方法，确立了新的最先进性能。例如，在DenseNet（应用于CIFAR-10）上，当真阳性率为95%时，ODIN将假阳性率从基线的34.7%降低到4.3%。