生成式半监督学习与生成式开集识别之间的联系
计算机视觉与模式识别
2023-09-25 v4 人工智能
机器学习
摘要
本研究在生成对抗网络（GAN）背景下考察半监督学习（SSL，即基于部分标注数据集训练）与开集识别（OSR，即兼顾新颖性检测的分类）之间的关系。尽管此前没有研究正式将SSL与OSR联系起来，它们各自的方法却有着惊人的相似性。具体而言，SSL-GAN与OSR-GAN都要求其生成器产生“外观不佳”的样本，用于正则化其分类器网络。我们假设，SSL与OSR中“外观不佳”样本的定义代表同一概念并实现同一目标。更形式化地说，外观不佳样本位于互补空间中，即分类器嵌入空间内已标注类别边界之间及周边的区域。通过使用互补空间中的样本正则化分类器，分类器在SSL中实现了改进的泛化，同时也为OSR泛化了开放空间。为验证该假设，我们在相同SSL-OSR实验条件下将一种基础SSL-GAN与最先进的OSR-GAN进行比较。我们的结果发现SSL-GAN取得了与OSR-GAN近乎一致的结果，证明了SSL-OSR联系。随后，为推进这一新研究路径，我们在多种SSL-OSR设定下比较了若干SSL-GAN，并给出了首个基准结果。SSL-OSR的联合框架无疑提升了分类器训练的实用性与成本效益，因此我们也讨论了进一步的理论与应用研究。
引用
@article{arxiv.2303.11702,
title = {On the link between generative semi-supervised learning and generative open-set recognition},
author = {Emile Reyn Engelbrecht and Johan du Preez},
journal= {arXiv preprint arXiv:2303.11702},
year = {2023}
}