基于深度 CNN 的多任务学习开集识别方法
计算机视觉与模式识别
2019-03-11 v1 机器学习
摘要
我们提出一种新颖的基于深度卷积神经网络（CNN）的多任务学习方法用于开集视觉识别。我们在多任务学习框架内将分类器网络与解码器网络及共享特征提取器网络相结合。我们表明该方法可带来更好的开集识别精度。在我们的方法中，解码器网络的重构误差被用于开集拒绝。此外，我们利用统计极值理论（Extreme Value Theory）对已知类的重构误差分布尾部建模以提升整体性能。我们在多个图像分类数据集上进行了实验，结果表明该方法显著优于文献中许多有竞争力的开集识别算法。代码将发布于：github.com/otkupjnoz/mlosr。
引用
@article{arxiv.1903.03161,
title = {Deep CNN-based Multi-task Learning for Open-Set Recognition},
author = {Poojan Oza and Vishal M. Patel},
journal= {arXiv preprint arXiv:1903.03161},
year = {2019}
}
备注
Under Review