多属性开放集识别
计算机视觉与模式识别
2022-08-16 v1
摘要
开放集识别（OSR）将图像分类扩展至开放世界设定，同时分类已知类并识别未知类。传统 OSR 方法虽能检测分布外（OOD）样本，却无法提供表明哪些底层视觉属性（如形状、颜色或背景）导致某样本未知的说明。本文引入一种新颖的问题设定，将传统 OSR 推广至多属性设定，其中多个视觉属性被同时识别。在此，OOD 样本不仅可被识别，还可按其未知属性归类。我们提出对常见 OSR 基线的简单扩展以处理该新场景。我们表明当训练数据集中存在伪相关时，这些基线易受捷径影响。这导致糟糕的 OOD 性能，据我们的实验，主要源于预测置信度分数间非预期的交叉属性相关。我们给出经验证据，表明该行为在合成与真实世界数据集上的不同基线中一致存在。
引用
@article{arxiv.2208.06809,
title = {Multi-Attribute Open Set Recognition},
author = {Piyapat Saranrittichai and Chaithanya Kumar Mummadi and Claudia Blaiotta and Mauricio Munoz and Volker Fischer},
journal= {arXiv preprint arXiv:2208.06809},
year = {2022}
}
备注
Accepted for publication at German Conference for Pattern Recognition (GCPR) 2022