open-set recognition(OSR)开集识别的一些思考(三)

最新推荐文章于 2024-08-23 03:00:00 发布
最新推荐文章于 2024-08-23 03:00:00 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
专栏目录
Open Set Recognition using Vision Transformer with an Additional Detection Head
pingguolou的博客
06-09 365
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:A GOOD CLOSED-SET CLASSIFIER IS ALL YOU NEED
pingguolou的博客
06-01 1544
开放集识别：你所需要的只是一个好的封闭集分类器识别测试样本是否属于分类器训练集中的一个语义类别的能力对于模型的实际部署至关重要。这项任务被称为开放集识别（OSR），并在最近几年受到了极大的关注。鉴于现代深度学习系统在封闭式视觉识别任务上的成功，下一个挑战自然是开放式识别（OSR）（Scheirer等人，2013）。在封闭集设置中，一个模型的任务是识别一组在训练和测试阶段都保持不变的类别。在更现实的开放集设置中，一个模型不仅要能够区分训练类别，而且还要指出一个图像是否来自它尚未遇到的类别。OSR问题最初在（S
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）
【有啥问啥】OpenMax算法详解：深度学习中的高效开集识别技术
最新发布
Chauvin的博客
08-23 2330
OpenMax算法是一种基于深度神经网络的开集识别方法，它通过对模型输出的激活向量进行后处理，实现了对未知类别的有效识别。该算法的核心思想是利用已知类别的统计特性来推断未知类别的存在。
开集识别（Open Set Recognition）
热门推荐
Black的博客
09-01 1万+
开集识别 闭集识别 ​ 训练集中的类别和测试集中的类别是一致的，最常见的就是使用公开数据集进行训练，所有数据集中的图像的类别都是已知的，没有未知种类的图像。传统的机器学习的算法在这些任务上已经取得了比较好的效果。 开集识别简述 ​ 现实场景中更多的是开放和非静态的环境，比如，一些没有见过的情况会意外出现。针对这一挑战提出的方法有持续学习、迁移学习、域适应、零样本、少样本学习、开集识别和分类等。 ​ 开集识别简单定义是，一个在训练集上训练好的模型，当利用一个测试集（该
开集图像识别（open-set recognition）
qq_45691955的博客
03-15 2101
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 9306
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 WITH GRADIENT-BASED REPRESENTATIONS基于梯度表征的开放集识别
pingguolou的博客
01-20 486
0.摘要： 用于图像分类任务的神经网络假定在推理过程中任何给定的图像都属于训练类别之一。这种封闭的假设在现实世界的应用中受到了挑战，因为模型可能会遇到未知类别的输入。开放集识别的目的是通过拒绝未知类别而正确分类已知类别来解决这个问题。在本文中，我们建议利用从已知分类器中获得的基于梯度的表征，只用已知类别的实例来训练一个未知的检测器。梯度对应于正确表示一个给定样本所需的模型更新的数量，我们利用它来了解模型用其学到的特征来描述输入的能力。我们的方法可以用于任何在已知类别上以监督方式训练的分类器，而不需要对未知
OPEN-SET RECOGNITION WITH GRADIENT-BASED REPRESENTATIONS
pingguolou的博客
05-29 197
在这项工作中，我们提议利用基于梯度的表征进行开放集识别。
开放集识别的最新进展总结（源于Recent Advances in Open Set Recognition: A Survey）
pingguolou的博客
06-07 1万+
摘要：在现实的识别/分类任务中，由于受到各种客观因素的限制，在训练一个识别器或分类器时，通常很难收集到训练样本来涵盖所有的类。更现实的情况是开放集识别(open set recognition, OSR)，在训练时存在对世界不完整的知识，测试时可以将未知的类提交给算法，这就要求分类器不仅要对可见的类进行准确的分类，还要有效地处理不可见的类。本文提供了对现有开放集识别技术的全面调查，涵盖了从相关定义、模型表示、数据集、评估标准和算法比较等各个方面。此外，我们还简要分析了OSR与零样本、一次样本(少样本)识别/
Conservative Novelty Synthesizing Network forMalware Recognition in an Open-Set Scenario
pingguolou的博客
05-22 319
Conservative Novelty Synthesizing Network for Malware Recognition in an Open-Set Scenario 摘要： 问题背景：我们研究了对已知和新的未知恶意软件家族进行恶意软件识别的挑战性任务，称为恶意软件开放集识别（MOSR）。以前的工作通常假设分类器在密集的情况下知道恶意软件家族，即测试家族是子集或最多与训练家族相同。然而，在现实世界的应用中经常出现新的未知恶意软件家族，因此需要在开放集场景中识别恶意软件实例，即一些未知的家族也
open-set recognition(OSR)开集识别
kuxingseng123的博客
11-24 5698
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。
(三) 开集识别学习 open-set recognition(OSR)
猿猿的小仓库
11-10 1039
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） ...
【开放集检测OSR】《OPEN-SET RECOGNITION: A GOOD CLOSED-SET CLASSIFIER IS ALL YOU NEED?》详解
CV在读
12-10 1456
得到结论：模型做出“属于非以上类”决策的能力高度取决于在闭集分类中的准确性使用方法：通过提高闭集精读来提高OSR性能提出框架：SSB（Semantic Shift Benchmark）当我们说模型只是在对“未见过”的数据中进行低级特征的分布式转移时，意味着模型可能没有真正理解新类别的高级语义特征，而是依赖于在训练中学到的一些通用低级特征来进行分类。在这种情况下，模型可能会将新类别的图像与训练数据中的某些低级特征进行关联，而不是基于真正的高级语义理解。
开放集识别（基于生成模型）
pingguolou的博客
06-23 3217
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
Recent Advances in Open Set Recognition: A Survey
WHITElg的博客
07-19 5241
摘要：在现实的识别/分类任务中，由于受到各种客观因素的限制，在训练一个识别器或分类器时，通常很难收集到训练样本来涵盖所有的类。更现实的情况是开放集识别(open set recognition, OSR)，在训练时存在对世界不完整的知识，测试时可以将未知的类提交给算法，这就要求分类器不仅要对可见的类进行准确的分类，还要有效地处理不可见的类。本文提供了对现有开放集识别技术的全面调查，涵盖了从相关定义、模型表示、数据集、评估标准和算法比较等各个方面。此外，我们还简要分析了OSR与零样本、一次样本(少样本)识别/
异常检测 and 开集识别（2）
weixin_42105848的博客
07-10 3665
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~
《Towards Open Set Deep Networks》：一文搞懂开集识别算法 OpenMax：
weixin_54353432的博客
05-05 6285
《Towards Open Set Deep Networks》：一文搞懂开集识别算法 OpenMax
（一）开集识别学习 open-set recognition(OSR)
猿猿的小仓库
11-10 3017
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.
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