Class Anchor Clustering: A Loss for Distance-based Open Set Recognition WACV2021开放集识别论文解读

 [2] Miller D ,  Sunderhauf N ,  Milford M , et al. Class Anchor Clustering: A Loss for Distance-based Open Set Recognition[C]// 2021 IEEE Winter Conference on Applications of Computer Vision (WACV). IEEE, 2021.

本文引入了类锚聚类（CAC）损失来替代CE loss，在基于距离的开放集识别中达到了最先进的性能。

• 在训练时，该方法将tuplet损失和中心损失结合起来，制定了一个新的损失函数，即类锚聚类损失，用于开放集识别。其中，中心损失和上面这篇TCSVT上的文章类似，唯一的区别是类中心的计算方法不一样，如下面的公式6,7所示，是一个独热向量。而tuplet损失就是人脸识别中常用的损失tuplet损失，区别是人脸识别中tuplet损失中使得同类样本的距离尽量小，不同类的样本距离尽可能大，而这里是使得样本和同类中心的距离尽量小，和不同类的中心距离尽可能大，其中距离的计算和中心损失一样，是一个独热向量（因此tuplet损失等价于基于距离的交叉熵损失，但不是softmax（类似于相似度，越大越接近）的交叉熵，而是softmin（类似于距离，越小越接近）的交叉熵）。所以，总的损失CAC损失函数如下