面向开集与闭集识别的深度紧致多面体锥分类器
计算机视觉与模式识别
2021-02-26 v1
摘要
本文提出一种新的深度神经网络分类器，利用多面体锥分类函数同时最大化类间分离度并最小化类内变化。所提方法包含一个允许通过间隔最大化来最大化类间分离的损失项，以及另一个控制类接受区域紧致性的损失项。我们提出的方法借助多面体锥函数几何具有优良的几何解释。我们在多种视觉分类问题上测试了所提方法，包括闭集/开集识别与异常检测。实验结果表明，所提方法通常优于其他最先进的方法，并且相较于其他被测方法，尤其在开集识别类问题上成为更优选择。
引用
@article{arxiv.2102.12570,
title = {Deep Compact Polyhedral Conic Classifier for Open and Closed Set Recognition},
author = {Hakan Cevikalp and Bedirhan Uzun and Okan Köpüklü and Gurkan Ozturk},
journal= {arXiv preprint arXiv:2102.12570},
year = {2021}
}