单类分类批判性综述：最新进展及其背后的现实
机器学习
2026-03-03 v1 计算机视觉与模式识别
摘要
本文对单类分类（OCC）进行了全面综述，考察了其实现过程中所采用的技术和方法。文章深入探讨了用于不同数据类型（如特征数据、图像、视频、时间序列等）的OCC的各种方法。通过系统性回顾，本文综合了OCC从其诞生到当前进展的突出策略，并特别强调了其有前景的应用。此外，文章批判了主导单类实验的最先进（SOTA）图像异常检测（AD）算法。这些算法包括离群点暴露（二分类）和预训练模型（多分类），这与仅从单类学习的基本概念相悖。我们的调查揭示，用于单类CIFAR10基准测试的前九种算法并非OCC。我们认为，二分类/多分类算法不应与OCC进行比较。
引用
@article{arxiv.2404.17931,
title = {Critical Review for One-class Classification: recent advances and the reality behind them},
author = {Toshitaka Hayashi and Dalibor Cimr and Hamido Fujita and Richard Cimler},
journal= {arXiv preprint arXiv:2404.17931},
year = {2026}
}