open-set recognition(OSR)开集识别的一些思考(三)

最新推荐文章于 2024-03-15 12:16:14 发布
最新推荐文章于 2024-03-15 12:16:14 发布
阅读量2.8k 收藏 7
点赞数 2
分类专栏： CV 文章标签： open set osr 开集识别 svm pos svm
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/herr_kun/article/details/107359631
版权

前言：在之前的博客中提到了开集识别的一些方案，主线是基于DNN方式，但是基于ML方式的解决方案有很多是很经典的，所以这里介绍下基于ML的方式

open-set recognition(OSR)开集识别的一些思考(一)
open-set recognition(OSR)开集识别的一些思考(二)
open-set recognition(OSR)开集识别的一些思考(三)
open-set recognition(OSR)开集识别的一些思考(四)

基于ML的方式

 SVM based （待展开）
 Sparse Representation based （待展开）
 Distance based （待展开）
 Margin Distribution based （待展开）
…

herr_kun
关注
  • 2
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
Open Set Recognition using Vision Transformer with an Additional Detection Head
pingguolou的博客
06-09 323
Open Set Recognition using Vision Transformer with an Additional Detection Head使用带有附加检测头的视觉Transformer 进行开放集识别深度神经网络在封闭集设置中的图像分类任务中表现出突出的能力，其中测试数据来自与训练数据相同的分布。然而，在一个更现实的开放集场景中，具有不完整知识的传统分类器无法处理不属于训练类的测试数据。开放集识别（OSR）旨在通过同时识别未知类和区分已知类来解决这个问题。在本文中，我们提出了一种基于视觉
Open-Set-Recognition:开放集识别
03-18
公开集识别项目 使用PyTorch进行的开放集识别项目。 如有任何问题，请发送电子邮件 注意：由于我的实验性实现（特别是我的方法），需要重新构造。 要求 对于不同的算法和不同的数据集，要求会有所不同。通常，基本和必不可少的要求是： # pytorch 1.4+, torchvision 0.7.0 + pip3 install torch torchvision # sklearn pip3 install -U scikit-learn # numpy pip3 install numpy # scikit-learn-0.23.2 pip3 install -U sklearn 对于OpenMax： pip3 install libmr 对于绘制MNIST： pip3 install imageio pip3 install tqdm 配套 数据集 CIFAR-100（完成）
开集图像识别（open-set recognition）
最新发布
qq_45691955的博客
03-15 1391
使用深度学习方法进行开集识别，并且使用不同的评估方式
open-set recognition(OSR)开集识别的一些思考(四)
herr_kun的博客
07-15 9003
前言：目前基于CNN方式的开集识别的方案最为经典的要数openmax方法，但是目前所能查到的资料对openmax解读的资料实在是太少，所以这里通过对openmax的实现过程进行讲解以达到理解的目的 下述的观点和叙述来自个人理解和对论文的解读-Towards Open Set Deep Networks  softmax是分类网络中最常见的最后一层的激活函数，用于概率值的生成，但是之前的文章说到过因为softmax的特性，导致不太适用于开集识别，所以这篇文章中提到了openmax，其可以认为是softma.
open-set recognition(OSR)开集识别
kuxingseng123的博客
11-24 5153
先大致了解是干什么的，然后再慢慢开始研究OSR，争取把 其完全搞透彻，搞彻底再说的样子与打算。
cac-openset:分类锚定聚类损失代码，用于训练基于距离的开放集分类器
05-28
类锚聚类：基于距离的...如果您使用本作品，请引用： @inproceedings{millerclass, title={Class Anchor Clustering: A Loss for Distance-Based Open Set Recognition}, author={Miller, Dimity and Suenderhauf, Nik
yx-image-recognition图像识别系统-其他
06-12
yx-image-recognition这是一个基于spring boot + maven + opencv 实现的图像识别及训练的Demo项目，包含车牌识别、人脸识别等功能，贯穿样本处理、模型训练、图像处理、对象检测、对象识别等技术点。功能：1、蓝、绿...
react-speech-recognition:ReactReact应用的语音识别
04-29
React语音识别一个React钩子，可将语音从麦克风转换为文本，并将其提供给您的React组件。这个怎么运作useSpeechRecognition是一个React挂钩，它使组件可以访问从用户的麦克风拾取的语音记录。 SpeechRecognition管理...
speech-recognition zh-CN脱机识别库
10-20
浅谈 python 使用speech-recognition 之脱机语音识别
(三) 开集识别学习 open-set recognition(OSR)
猿猿的小仓库
11-10 987
前言：在之前的博客中提到了开集识别的一些方案，主线是基于DNN方式，但是基于ML方式的解决方案有很多是很经典的，所以这里介绍下基于ML的方式 基于ML的方式  SVM based （待展开）  Sparse Representation based （待展开）  Distance based （待展开）  Margin Distribution based （待展开） ...
gcm-cf：[CVPR 2021]已发布反事实零镜头和开放式视觉识别代码
03-03
反事实零射击和开放式视觉识别 该项目为我们的CVPR 2021论文《反事实零热和开放集视觉识别》提供了实现，我们在本文中提出了基于事实的二进制可见/不可见分类器（GCM-CF），用于零热学习（ZSL）和开放集识别（OSR）。 此回购包含 ZSL：强二进制可见/不可见分类器，可与任何ZSL方法即插即用 ZSL：与TF-VAEGAN，RelationNet，GDAN，CADA-VAE，LisGAN，AREN集成 OSR：使用5个固定的随机种子完成基于MNIST，SVHN，CIFAR10，CIFAR + 10，CIFAR + 50的OSR代码 OSR：Softmax，OpenMax，CGDL的强基准（F1分数） OSR：实施我们的GCM-CF 有关技术细节，请参阅： 反事实零射击和开放式视觉识别 ， ，，，*平等贡献IEEE 2021年计算机视觉和模式识别会议（CVPR） 用法 请分别参考Z
《Towards Open Set Deep Networks》：一文搞懂开集识别算法 OpenMax：
weixin_54353432的博客
05-05 4864
《Towards Open Set Deep Networks》：一文搞懂开集识别算法 OpenMax
开放集识别（基于生成模型）
pingguolou的博客
06-23 3063
我们列举了一些重要的基于生成方式的开放集识别方法，仅供参考
异常检测 and 开集识别（2）
weixin_42105848的博客
07-10 3287
本文是本人在学习开集识别时的一些记录，主要是综合其他博主的内容并进行了一些修改，希望大家可以有所收获~
（一）开集识别学习 open-set recognition(OSR)
猿猿的小仓库
11-10 2895
因近期要学习并且将Openset的思想融入项目中，所以这里学习了大神的几篇文章。希望后续能够很好的复现并且得到理论支撑。 系列转载自： https://blog.csdn.net/herr_kun/article/details/107354501 1、开集识别学习路径  开始根据自己的遇到的情况进行查询，发现开放长尾识别问题中的开放问题就是目前自己遇到的问题，下面这张图很清晰的展示常见任务的划分标准，后续查询到了自己遇到的问题可以更为具体的归属为开集识别的问题，所以后续一直查询开集识别的一些.
A-Softmax(SphereFace)
博客
07-26 859
论文：SphereFace：https://arxiv.org/abs/1704.08063 SphereFace在MegaFace数据集上识别率在2017年排名第一，用的A-Softmax Loss有着清晰的几何定义，能在比较小的数据集上达到不错的效果。 首先，需要先科普一下在训练和测试人脸识别分类器的时候经常被提到的Open-set 和Close-set。Figure 1是一个直观的展示。 close-set，就是所有的测试集都在训练集中出现过。所以预测结果是图片的ID，如果想要测试两张图片是否是同一个
NeurIPS 2022 | 生成式语义分割新范式GMMSeg，可同时处理闭集和开集识别
Paper weekly
12-25 583
©作者 |梁琛来源|机器之心本文的创新点一方面在于能够在大型全景掩码上训练扩散模型，一方面在于可以同时适配图片和流媒体场景。当前主流语义分割算法本质上是基于 softmax 分类器的判别式分类模型，直接对 p (class|pixel feature) 进行建模，而完全忽略了潜在的像素数据分布，即 p (class|pixel feature)。这限制了模型的表达能力以及在 OOD (out...
【开集识别论文解读】C2AE: Class Conditioned Auto-Encoder for Open-set Recognition——CVPR2019
cute_cxy的博客
06-08 1411
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。......
真实世界中的开集识别问题(Open-Set Recognition Problem)
热门推荐
u010165147的博客
07-27 1万+
开集分类问题(open-set problem)不仅仅包含0～9的字符类别，还包含其他如A～Z等等的未知类别，但是这些未知的类别并没有标签，分类器无法知道这些未知类别里面图像的具体类别，如：是否是A，这些许许多多的不同类别图像共同构成了一个类别：未知类别，在检测里面我们叫做背景类别(background)，而开集分类问题的目的即是：**正确划分这10个类别且正确拒绝非数字类别**
fine-grained recognition pmg
01-28
fine-grained recognition pmg是一种高精度细粒度识别技术，它主要应用于图像识别领域。该技术能够对图像中的细小特征进行识别，例如区分不同品种的狗、不同品种的花卉等。这种技术的主要目的是通过对细微特征的识别和分析，对物体进行更加准确和细致的分类。 fine-grained recognition pmg技术通过深度学习、卷积神经网络等先进算法，对图像进行多层次、多维度的特征提取和分析，识别物体的微观差异，从而实现对细粒度物体的精准识别。相比于传统的图像识别技术，fine-grained recognition pmg技术无需进行人工标注或手动筛选，能够自动对图像进行细粒度的识别，大大提高了识别的准确度和效率。 fine-grained recognition pmg技术在许多领域都有着广泛的应用，例如在医学影像分析中，可以对细微的组织结构进行识别和分析；在工业生产中，可以对产品的细微缺陷进行自动识别和筛选；在农业领域，可以对作物的种类和状况进行精准的识别和监测。总的来说，fine-grained recognition pmg技术的应用范围非常广泛，能够为各行各业的图像识别需求提供高效、准确的解决方案。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值