分布外检测（Out-of-Distribution, OOD）旨在识别输入神经网络的异常数据。以往研究提出了多种专用方法，用于拒绝异常输入的预测结果。类似地，已有研究表明，结合特征提取模型与异常检测算法，能够有效识别异常输入。本文采用异常检测算法，在检测异常输入方面实现了与领域内专用方法相当的可靠性，且无需对神经网络进行任何修改。检测过程仅基于模型的Softmax输出分数。所提出的方法为无监督学习方法，利用孤立森林（Isolation Forest）实现，同时可通过引入监督学习方法（如梯度提升，Gradient Boosting）进一步提升性能。