Deep open intent classification with adaptive decision boundary AAAI2021开放集识别论文解读

 【14】Zhang H, Xu H, Lin T E. Deep open intent classification with adaptive decision boundary[C]//Proceedings of the AAAI Conference on Artificial Intelligence. 2021, 35(16): 14374-14382.

本文提出了自适应决策边界的方法，在分类后处理中，自动选择未知类的决策阈值。

• 在训练中，首先用普通的交叉熵损失函数来训练分类器。然后，基于所谓的边界损失来学习每个类的最佳决策边界（实际形式为以每个类的决策半径大小），当样本距离类中心的距离大于现有决策边界时，最大化决策边界以容纳该样本。当当样本距离类中心的距离小于现有决策边界时，最小化决策边界以逼近该样本，降低开放空间风险。

交叉熵损失函数

 边界损失

• 在测试时，每个类都有一个阈值（在训练阶段学习到的），如果一个样本距离所有类中心的最小值大于该类的阈值时，分类为未知。否则分类为，取得最小距离的类。