学習済みの識別モデルを運用する際，識別対象クラスのいずれにも属さないデータの入力に対して，いずれかのクラスに高い所属確率を付与してしまう場合がある．このようなデータは分布外データと呼ばれ，反対に識別モデルの対象データを分布内データと呼ぶ．識別モデルの活用上，分布外データの検知（以下，分布外検知）は重要なタスクであり，これまでに尤度比を用いた手法が提案されている．この手法は，分布内データに対してノイズの有無を変えて二つの生成モデルを学習し，それらで算出した入力データの尤度の比を検知指標とする．これにより，背景の情報を無視し，意味のある情報のみの評価を試みている．ここで，分布外検知に用いる生成モデルは，分布内データの真の分布を精度よく推定することが求められる．一方，分布内データはクラスごとに異なる分布に従い，各クラスの分布構造は全クラスをまとめた分布構造よりもシンプルであると想定される．そこで本研究では，クラスごとに学習した生成モデルにより，入力データに対してクラスごとの尤度比を算出することで，精度の高い分布外検知手法を提案する．また画像データセットを用いた実験を行い，提案の有効性を示す．
