用于多类开放集分类的生成式OpenMax
计算机视觉与模式识别
2017-07-25 v1
摘要
我们提出了一种概念新颖且灵活的多类开放集分类方法。与以往根据特征或决策距离相对于已知类来推断未知类的方法不同，我们的方法能够为未知类提供显式建模和决策分数。所提出的方法称为生成式 OpenMax（G-OpenMax），通过采用生成对抗网络（GAN）进行新类别图像合成来扩展 OpenMax。我们在手写数字和字符两个数据集上验证了所提出的方法，结果优于先前基于深度学习的方法 OpenMax。此外，G-OpenMax 提供了一种可视化表示开放空间中未知类样本的方法。我们简单而有效的方法可以作为解决具有挑战性的多类开放集分类问题的新方向。
引用
@article{arxiv.1707.07418,
title = {Generative OpenMax for Multi-Class Open Set Classification},
author = {ZongYuan Ge and Sergey Demyanov and Zetao Chen and Rahil Garnavi},
journal= {arXiv preprint arXiv:1707.07418},
year = {2017}
}