通过开放集识别增强知识蒸馏以实现鲁棒的 3D 点云分类
计算机视觉与模式识别
2020-10-27 v1
摘要
尽管基于深度学习的计算机视觉技术在研究中取得了巨大成功，现实世界场景仍对其提出了若干挑战。更深的模型提供更好的性能，但难以部署，而知识蒸馏使我们能够以最小的性能损失训练更小的模型。该模型还须处理来自训练所用类别之外的开放集样本，并应能将其识别为未知样本，同时正确分类已知样本。最后，大多数现有的图像识别研究仅关注使用真实三维物体的二维快照。在这项工作中，我们旨在桥接这三个迄今为止独立发展但深度相互关联的研究领域。我们提出了一种用于三维物体识别的联合知识蒸馏与开放集识别训练方法。我们通过各种实验证明了所提方法的有效性，表明它如何使我们获得小得多的模型，该模型在性能上损失极小，同时能够对 3D 点云数据进行开放集识别。
引用
@article{arxiv.2010.13114,
title = {Empowering Knowledge Distillation via Open Set Recognition for Robust 3D Point Cloud Classification},
author = {Ayush Bhardwaj and Sakshee Pimpale and Saurabh Kumar and Biplab Banerjee},
journal= {arXiv preprint arXiv:2010.13114},
year = {2020}
}
备注
Preprint. Under consideration at Pattern Recognition Letters