基于归因的混合策略——通过归因增强提升开集识别
计算机视觉与模式识别
2025-05-20 v1 机器学习
摘要
开集识别（OSR）旨在解决模型推理时检测新类别的问题。尽管在近期视觉模型中仍存在此问题，正在受到日益关注的注意。关键挑战在于从给定数据中学习针对未见类别的特征，而这些特征可能并不具备判别性。为促进这一过程并通过“优化学习”来获得更多样化的特征，我们提出了 GradMix，这是一种数据增强方法，动态地利用模型训练期间的梯度基因图来掩盖已学习的概念。因此，GradMix 鼓励模型从同一数据源上学习更完整的代表性特征集合。对开集识别、封闭集分类和离群检测进行的大量实验表明，我们的方法常常能优于现有的研究方法。GradMix 还能提高模型对噪声的鲁棒性以及自监督学习下游分类性能，表明其对模型泛化具有益处。
引用
@article{arxiv.2505.12803,
title = {Informed Mixing -- Improving Open Set Recognition via Attribution-based Augmentation},
author = {Jiawen Xu and Odej Kao and Margret Keuper},
journal= {arXiv preprint arXiv:2505.12803},
year = {2025}
}