Open set/World Learning 笔记4：Probability Models for Open Set Recognition

最新推荐文章于 2023-05-24 17:29:54 发布
最新推荐文章于 2023-05-24 17:29:54 发布
阅读量1.3k 收藏 1
点赞数
文章标签： 支持向量机 机器学习 算法
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/qq_46276946/article/details/121317959
版权

        Walter J. Scheirer et,al 扩展了开放空间风险限制分类的一般思想，以适应多类别设置中的非线性分类器。我们引入了一种新的开放集识别模型，称为紧凑衰减概率 compact abating probability(CAP)，其中，随着点从已知数据向开放空间移动，类隶属的概率值降低(衰减)。

        利用CAP公式，作者继续描述新的Weibull-calibrated SVM(W-SVM)算法，该算法结合了统计极值理论的有用特性，可以用一类和二进制支持向量机进行评分校准。成果表明W-SVM算法能够在开集物体检测方面有较好的性能。

论文链接：Probability Models for Open Set Recognition | IEEE Journals & Magazine | IEEE Xplore

浮云向晚
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Probability Models for Open Set Recognition（开放集识别的概率模型）
pingguolou的博客
06-15 1848
目录 0.摘要--（三要素：概率、紧凑（消减+阈值，当然也可以是其他）） 1.引言 2.背景和相关工作 3紧凑消减概率模型 4.概率估计和W-SVM 4.1 纳入CAP模型的二元RBF SVM（将二类SVM加在SVM后） 4.2 有依据的概率估计（使用正类和不属于负类的概率） 4.3 W-SVM算法（校准两个极值分布来进行分类） 5 实验评估 6 讨论 0.摘要--（三要素：概率、紧凑（消减+阈值，当然也可以是其他）） 计算机视觉中的现实世界任务经常涉及到开放集识别：在对世界不.
One-vs-rest network-based deep probability model for open set recognition解读
pingguolou的博客
11-15 974
【45】Jang J, Kim C O. One-vs-rest network-based deep probability model for open set recognition[J]. arXiv preprint arXiv:2004.08067, 2020. 概述：在训练中未曾见过的未知例子经常出现在现实世界的计算机视觉任务中，一个智能的自学系统应该能够区分已知和未知的例子。解决这个问题的开放集识别，已经研究了大约十年。然而，传统的基于深度神经网络（DNNs）的开放集识别方法缺乏识别后分数
Open Set/World learning 笔记3：Multi-class Open Set Recognition Using Probability of Inclusion
qq_46276946的博客
11-13 638
最近视觉识别方法的成功在很大程度上源于它们在分类任务上的表现。对于开放集问题，如果我们能够准确地为任何已知类的正数据建模而不进行过度拟合，那么即使在类知识不完整的假设下，我们也可以拒绝大量未知类。将该问题描述为在决策边界处建模正训练数据的问题，在决策边界处我们可以调用统计极值理论。LalitP.Jain，et al提出了一种P I -SVM算法，用来估计Open set问题中类包含（class inclusion）的非正规后验概率。 ...
Open set/world learning 笔记2：Toward Open Set Recognition
qq_46276946的博客
11-12 1751
在如今计算机视觉算法大都采用闭集（closed set）识别，即是测试（testing）时候的种类完全在训练（training）时遇见过。而开集（open set）识别，则需要在测试时候遇见未知的种类（class），这就需要强大的泛化能力的算法来实现。作者表示：开放集识别在文献中只得到有限的处理，而且几乎所有之前的工作都集中在评估（evaluation）方面。 在相关工作部分，作者给出了目前处理Open Set Recognition的许多方法，并重点讨论了SVM在这一领域的应用。 ...
开放集学习 Open Set Learning
HelloWorld的博客
05-24 994
例如，在人脸识别的应用中，我们可能会遇到一些我们从未见过的人脸（Open Set Learning），并且我们可能需要从只有一两张图片的情况下学习这个人的特征（Few-Shot Learning）。Open Set Learning和Zero-Shot Learning都是机器学习中的一种任务设置，主要考虑在训练数据中未出现过的类别在测试时的情况，但它们在处理这个问题的方式上有所不同。例如，在一个图像分类任务中，假设训练数据中只有狗、猫和鸟的图像，然后在测试阶段，我们希望模型能够处理马的图像。
Think Stats: Probability and Statistics for Programmers
02-09
Think Stats: Probability and Statistics for Programmers Think Stats: Probability and Statistics for Programmers
Python for Probability, Statistics, and Machine Learning 无水印pdf
10-04
Python for Probability, Statistics, and Machine Learning 英文无水印pdf pdf所有页面使用FoxitReader和PDF-XChangeViewer测试都可以打开 本资源转载自网络，如有侵权，请联系上传者或csdn删除 本资源转载自...
Probability for Machine Learning by Jason Brownlee.pdf
06-26
Probability for Machine Learning Discover How To Harness Uncertainty With Python by Jason Brownlee 28 step-by-step lessons, 312 pages. distributions, estimation, more. 概率是机器学习的基石。没有机器...
Probability for Machine Learning Discover How To Harness Uncertainty With Python
06-20
Probability is the bedrock of machine learning. You cannot develop a deep understanding and application of machine learning without it. Cut through the equations, Greek letters, and confusion, and ...
Probability for Statistics and Machine Learning
12-26
关于统计学习的电子书，最新版本，经典著作，总页数为796页
【Open Set Recognition】Open Set Learning with Counterfactual Images in ECCV 2018 个人理解
研究兴趣：开放集识别、开放世界识别、新类发现、增量学习、少样本学习
05-15 395
开放集识别（Open Set Recognition, OSR），要求模型能够正确识别训练期间见过的类（已知类），同时能检测或拒绝没见过的类（未知类）。换句话说就是将测试集中属于已知类的样本正确分类，将属于未知类的样本（可能来自多个未知类）统一归为一个额外的类。
Few-Shot Open-Set Recognition using Meta-Learning
pingguolou的博客
07-19 1202
解决的问题：在少样本情形下的开放集识别（=少样本分类+开放集识别）。与其他识别任务的区别如下 为什么要解决这个问题：1）首先，开放集识别在所有设置下都是一个挑战。在少样本的训练模式下训练的识别器面对看不见的类别的可能性并不低。因此，支持少样本的开放式识别技术比不支持的开放式识别技术更有用。2）其次，少样本开放集识别由于缺少标记数据，比大规模开放集识别更难解决。因此，少样本设置对开放集识别的研究提出了更大的挑战。3）第三，和开放集识别一样，少样本识别的主要挑战是对训练中看不到的数据做出准确的判定。由于这
Open Set与Open World问题初探
君莫笑
05-06 1135
参考文章：Towards Open World Object Detection Open Set：训练集知识不完整，测试集中存在未知类别。 Open World：训练集包括已知类与未知类。
Open Set Recognition for Automatic Target Classification With Rejection
pingguolou的博客
06-17 437
0.摘要 监督下的分类任务的训练集通常范围有限，只包含几个类别的例子。在实践中，在训练中没有出现过的类被赋予了总是不正确的标签。开放集识别（OSR）算法通过为分类器提供一个拒绝未知样本的选项来解决这个问题。在这项工作中，我们介绍了一种新的OSR算法，并将其性能与当前其他用于开放集图像分类的方法进行比较。 1. 引言 通常情况下，用于自动目标识别的监督分类器是使用代表相对较少的目标类别的数据集来训练的。为了证明这种封闭集分类器的有效性，它们经常使用可能被一些噪声或其他因素干扰的训练类的样本进行测试。然而
开集识别学习笔记（一）--《Towards Openset Deep Networks 》中文精校与理解
weixin_54800645的博客
12-08 2101
2016CVPR《Towards Openset Deep Networks》
半监督学习
Vae_fans的博客
02-15 1481
最先进的深度学习模型通常使用大量昂贵的标记训练数据进行训练。然而，需要详尽的手动注释可能会降低模型在有限标签制度下的通用性。半监督学习和无监督学习为从大量未标记的视觉数据中学习提供了有前景的范例。这些范例的最新进展表明，利用未标记数据来改进模型泛化并提供更好的模型初始化具有强大的优势。在这项调查中，我们从统一的角度回顾了用于视觉识别的半监督学习（半监督学习）和无监督学习（无监督学习）的最新高级深度学习算法。为了全面了解这些领域的最新技术，我们提出了统一的分类法。
真实世界中的开集识别问题(Open-Set Recognition Problem)
热门推荐
u010165147的博客
07-27 1万+
开集分类问题(open-set problem)不仅仅包含0～9的字符类别，还包含其他如A～Z等等的未知类别，但是这些未知的类别并没有标签，分类器无法知道这些未知类别里面图像的具体类别，如：是否是A，这些许许多多的不同类别图像共同构成了一个类别：未知类别，在检测里面我们叫做背景类别(background)，而开集分类问题的目的即是：**正确划分这10个类别且正确拒绝非数字类别**
Open-world Machine Learning: Applications, Challenges,and Opportunities || 阅读笔记
m0_46297969的博客
10-07 2038
研究背景：传统的机器学习（主要是监督学习）遵循封闭世界学习的假设（将当前未知的事物都设为假的假设），对于他们每个测试类都有一个训练类可用。然而，这样的模型无法识别训练期间看不见的类（即看不见的类）,开放世界机器学习（OWML）则处理看不见的类。研究内容：first 概述OWML对现实世界的重要性；next 探索和讨论OWML的不同维度。本文对OWML的各种技术进行了系统评价；介绍了OWML的研究差距、挑战和未来方向。研究意义：本文将帮助研究人员了解 OWML 的全面发展以及将研究扩展到合适领域的可能性。
开放集识别（基于生成模型）
pingguolou的博客
06-23 3051
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
分词（Tokenization） ,按照以下分类进行内容拓展(注:重点在技术和原理上进行话语简洁内容详尽的拓展同时回答中提到的每个技术都要求举例说明如何实现): 显象:场景/需求 真象:实体/概念/术语 特征:结构/原理/技术 现象:功能/评价 变化:组合/流程
最新发布
07-14
例如，在中文分词中，可以使用基于字频的最大匹配法（Maximum Matching，MM）或基于词频的最大概率法（Maximum Probability，MP）来进行切分。这些方法会根据文本的统计信息和上下文来判断词语边界。 3. 基于深度...

“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
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