[6]Cao A, Luo Y, Klabjan D. Open-Set Recognition with Gaussian Mixture Variational Autoencoders[C]//Proceedings of the AAAI Conference on Artificial Intelligence. 2021, 35(8): 6877-6884.
本文利用高斯混合变分自编码器的损失来替代CE loss,提出了一种高斯混合变分自编码器GMVAE方法来进行开放集识别。
- 在训练中,与普通的VAE类似,该方法同样包括GMVAE的重建损失和分布损失,不过在分布中还增加了子聚类,对于每个类都聚出Kc个簇。其中,重建损失是和普通的VAE没有区别。分布损失使潜在分布符合某先验分布,包括三部分,一个是W的先验,一个子聚类的先验,一个是latent covering。不过他们后面有去除了这个子聚类的先验,因此总的损失函数为
- 在测试时,有两种分类方法。在基于距离的分类中,设置一个距离阈值,如果样本到所有子聚类中心的最小距离小于阈值的话,则分类为最小距离子聚类所述的类,否则则分类为未知类。在基于不确定性的分类中,其中不确定性定义为样本到所有子聚类中心的最小距离和样本到所有子聚类中心的平均距离(不包含这个最小距离), 也设置一个距离阈值,如果样本的不确定性小于阈值的话,则分类为不确定性最小的子聚类所属的类,否则则分类为未知类。