开集识别(Open Set Recognition)部分经典论文汇总

只简单找了一小部分

CVPR
  • [link] [code] [TANE] [22]
    Task-Adaptive Negative Class Envision for Few-Shot Open-Set Recognition

  • [link] [code] [PROSER] [21]
    Learning Placeholders for Open-Set Recognition

  • [link] [code] [ZSL-OSR] [21]
    Counterfactual Zero-Shot and Open-Set Visual Recognition

  • [link] [code] [SnaTCHer] [21]
    Few-Shot Open-Set Recognition by Transformation Consistency

  • [link] [code] [GFROSR] [20]
    Generative-Discriminative Feature Representations for Open-Set Recognition

  • [link] [code] [CGDL] [20]
    Conditional Gaussian Distribution Learning for Open Set Recognition

  • [link] [code] [PEELER] [20]
    Few-Shot Open-Set Recognition Using Meta-Learning

  • [link] [code] [CROSR] [19]
    Classification-Reconstruction Learning for Open-Set Recognition

  • [link] [code] [C2AE] [19]
    C2AE: Class Conditioned Auto-Encoder for Open-set Recognition

  • [link] [code] [CROSR] [19]
    Classification-Reconstruction Learning for Open-Set Recognition

  • [link] [code] [OpenMax] [16]
    Towards Open Set Deep Networks


ICCV
  • [link] [code] [T2T] [21]
    Trash To Treasure: Harvesting OOD Data With Cross-Modal Matching for Open-Set Semi-Supervised Learning

  • [link] [code] [OpenGAN] [21]
    OpenGAN: Open-Set Recognition via Open Data Generation

  • [link] [code] [CVAECAPOSR] [21]
    Conditional Variational Capsule Network for Open Set Recognition


ECCV
  • [link] [code] [OpenHybrid] [20]
    Hybrid Models for Open Set Recognition

  • [link] [code] [DRP] [20]
    Learning Open Set Network with Discriminative Reciprocal Points

  • [link] [code] [MTC] [20]
    Multi-Task Curriculum Framework for Open-Set Semi-Supervised Learning

  • [link] [code] [OSRCI] [18]
    Open Set Learning with Counterfactual Images


WACV
  • [link] [code] [OCN] [22]
    Few-Shot Open-Set Recognition of Hyperspectral Images With Outlier Calibration Network

  • [link] [code] [CAC] [21]
    Class Anchor Clustering: a Loss for Distance-based Open Set Recognition

  • 6
    点赞
  • 48
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
"open set recognition"是一个技术概念,用于处理在人脸识别等模式识别任务中的一个挑战,即识别未在训练集中出现的新样本。 通常,在训练过程中,机器学习模型仅接触到限定的、已知的样本集。然而,在实际应用中,我们经常面临的是不同于训练集的、未知的样本。这就是所谓的"open set"问题。 为了解决这个问题,研究人员提出了"open set recognition"方法。该方法的目标是将未知样本正确分类为"未知类别",而不是错误地归为已知类别中的一类。本质上,这是一种在模型中增加一种针对未知类别的分类模块或机制的尝试。 其中一种常见的方法是使用"开集分类器"。这样的分类器可以对模型从未见过的样本进行鲁棒的分类。这可以通过在模型中引入特殊的类别来实现,用于表示未知的样本。开集分类器尝试从已知类别中区分出未知类别样本,并将其准确地分类为"未知类别"。 另一种常见的方法是使用"异常检测"。异常检测方法主要基于训练集的分布来区分已知样本和未知样本。它通过分析样本在特征空间中的分布,将低概率区域判定为未知区域。这种方法可以更准确地将未知样本与已知样本区分开来。 总而言之,open set recognition代码是一种用于解决模式识别中的"open set"问题的算法或模型实现。它的目标是能够正确识别未训练过的、未知的样本,并将其区分为"未知类别"。不同的方法可以使用开集分类器或异常检测等技术来实现这一目标。

“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 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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