BackMix：通过消除前景-背景先验实现开放集识别正则化
计算机视觉与模式识别
2025-03-25 v1
摘要
开放集识别（Open Set Recognition, OSR）要求模型在分类已知样本的同时检测未知样本，以适应实际应用场景。现有研究表明，使用来自辅助数据集的未知样本可用于正则化OSR模型，但这些方法对选择合适的已知离群点较为敏感。本文从全新视角出发：是否可以无需精细选择辅助已知离群点即可正则化OSR模型？我们首先从经验和理论角度探讨前景与背景在开放集识别中的作用，揭示：1）与前景相关的背景会干扰模型，在遇到“部分已知”图像时导致错误；2）与前景无关的背景可作为辅助已知离群点，通过全局平均池化提供正则化。基于上述洞察，我们提出一种新方法——背景混合（BackMix），通过将图像前景与不同背景混合以消除前景-背景先验。具体而言，BackMix首先利用类别激活图（CAMs）估计前景，然后随机替换图像块以获得混合图像用于训练。去除前景与背景之间的相关性后，开放集识别性能显著提升。该方法实现简单，推理时无需额外操作，可无缝集成到绝大多数现有框架中。代码已发布于 https://github.com/Vanixxz/BackMix。
引用
@article{arxiv.2503.17717,
title = {BackMix: Regularizing Open Set Recognition by Removing Underlying Fore-Background Priors},
author = {Yu Wang and Junxian Mu and Hongzhi Huang and Qilong Wang and Pengfei Zhu and Qinghua Hu},
journal= {arXiv preprint arXiv:2503.17717},
year = {2025}
}
备注
20 pages, 11 figures. Accepted by TPAMI