开集识别
文章平均质量分 93
努力学习滴兔兔
保住头发
展开
-
【开集识别论文解读】GMVAE——AAAI2021
Open-Set Recognition with Gaussian Mixture Variational Autoencoders论文解读。开集识别的目标是将测试样本分为训练中见过的已知类,或将其作为未知类拒绝。现有的深度开集识别分类器通常训练显式的闭集分类器,不联合使用重构的方法削弱了潜在表示区分未知类的能力。在本文中,训练模型在潜在空间中配合学习重建和执行基于类的聚类。本文提出的高斯混合变分自动编码器(GMVAE)通过大量实验,获得了更准确和鲁棒的开集分类结果,F1平均提高29.5%。...原创 2022-06-02 16:24:46 · 1470 阅读 · 0 评论 -
【开集识别论文解读】Few-Shot Open-Set Recognition using Meta-Learning——CVPR2020
本文介绍了一种新的开集元学习算法(PEELER)算法,实验结果表明,PEELER在小样本和大规模识别方面都达到了最先进的开放集识别性能。开集识别目前主要的研究是在大规模环境中,使用基于大规模分类器的解决方案。这些尝试通过后处理后验类分布来识别新类,定义一个“拒绝”类,该类使用人工生成的示例或从训练类中采样的示例,或两者的组合进行训练。本文试图将开集识别推广到大规模环境之外:大规模和小样本识别。......原创 2022-06-03 08:00:00 · 2339 阅读 · 3 评论 -
【开集识别论文解读】Classification-Reconstruction Learning for Open-Set Recognition——CVPR2019
CROSR利用潜在表示进行重建,并在不损害已知类别分类精度的情况下实现鲁棒未知检测。开集分类器可以检测不属于任何训练类的样本。通常,它们将概率分布拟合到某些特征空间中的训练样本中,并将异常值检测为未知值。对于表示样本的特征,几乎所有现有的深度开集分类器都依赖于通过完全监督学习获得的特征,如图1(a)所示。然而,它们是为了强调已知阶级的区别特征,对于表示未知或将未知与已知分开并不一定有用。......原创 2022-06-06 14:20:24 · 2379 阅读 · 0 评论 -
【开集识别论文解读】C2AE: Class Conditioned Auto-Encoder for Open-set Recognition——CVPR2019
开集识别的一般场景设定如图1所示, 我们已知四类图片,但是在测试过程中,可能会出现不属于任何一类的样本,而开集识别的目标就是识别出未知类,并且对已知类正确分类。本文将开集识别任务分成了两个子任务:闭集分类和开集识别。......原创 2022-06-08 11:00:53 · 1392 阅读 · 0 评论 -
[论文解读]OpenWGL: Open-World Graph Learning
在传统的图学习任务(如节点分类)中,学习是在一个封闭的环境中进行的,其中提供了类的数量及其训练样本来帮助训练模型,学习目标是将未标记的节点正确地分类到已知的类中。事实上,由于网络的标记能力有限和动态演化,网络中的一些节点可能不属于任何现有/可见类,因此无法通过封闭世界学习算法进行正确分类。本文提出了一种新的开放世界图学习范式,其学习目标不仅是将属于可见类的节点分类为正确的组,而且将不属于现有类的节点分类为不可见类。......原创 2022-06-09 11:57:02 · 664 阅读 · 0 评论