M2IOSR：最大化互信息开集识别
计算机视觉与模式识别
2021-08-09 v2
摘要
在本文中，我们旨在解决具有挑战性的开集识别 (OSR) 任务。许多近期 OSR 方法依赖自编码器通过重构策略提取类特定特征，要求网络在像素级复原输入图像。该策略对 OSR 通常要求过高，因为类特定特征一般包含于目标对象中，而非所有像素。为弥补这一缺陷，我们在此弃用像素级重构策略，更关注提升类特定特征提取的有效性。我们提出一种基于互信息的精简架构方法——最大化互信息开集识别 (M2IOSR)。所提 M2IOSR 仅使用编码器，通过最大化给定输入与其潜特征跨多尺度下的互信息来提取类特定特征。同时，为进一步降低开放空间风险，潜特征被 KL 散度损失函数约束为类条件高斯分布。以此方式，学习到一个强函数以防止网络将不同观测映射至相似潜特征，并助网络提取具期望统计特性的类特定特征。所提方法显著改进了基线性能，并在多个基准上一致取得新的 SOTA 结果。
引用
@article{arxiv.2108.02373,
title = {M2IOSR: Maximal Mutual Information Open Set Recognition},
author = {Xin Sun and Henghui Ding and Chi Zhang and Guosheng Lin and Keck-Voon Ling},
journal= {arXiv preprint arXiv:2108.02373},
year = {2021}
}