一种用于新类别发现的统一目标函数
计算机视觉与模式识别
2021-09-30 v4 机器学习
摘要
在本文中，我们研究新类别发现（NCD）问题。NCD 旨在利用包含不同但相关类别的已标注集中的先验知识，推断未标注集中的新物体类别。现有方法通过考虑多个目标函数来解决该问题，通常分别针对已标注和未标注样本采用专门的损失项，并且常常需要辅助正则化项。在本文中，我们脱离这一传统框架，引入一种用于发现新类别的统一目标函数（UNO），其明确目的是促进监督学习与无监督学习之间的协同。利用多视图自标注策略，我们生成可与真实标签同质处理的伪标签。这导致了一个在已知和未知类别上同时运行的单一分类目标。尽管简单，UNO 在多个基准上大幅优于当前最优方法（在 CIFAR-100 上约 +10%，在 ImageNet 上 +8%）。项目页面位于：https://ncd-uno.github.io。
引用
@article{arxiv.2108.08536,
title = {A Unified Objective for Novel Class Discovery},
author = {Enrico Fini and Enver Sangineto and Stéphane Lathuilière and Zhun Zhong and Moin Nabi and Elisa Ricci},
journal= {arXiv preprint arXiv:2108.08536},
year = {2021}
}
备注
ICCV 2021 (Oral)