基于注意力图卷积网络与语义匹配优化的开放集域识别
计算机视觉与模式识别
2021-05-13 v2
摘要
开放集域识别近年来受到关注。该任务旨在具体分类实际无标签目标域中的每个样本，该目标域由人工标注源域中的所有已知类别以及目标特有的未知类别组成。未知类别缺乏标注训练数据或辅助属性信息，使得该任务尤为困难。此外，标签空间与数据分布中存在的域差异进一步干扰了从已知类别到未知类别的知识迁移。为解决这些问题，本文提出一种基于注意力图卷积网络（GCN）与语义匹配优化的端到端模型，其首先利用注意力机制使中心节点能从知识图中的邻居学习更具判别性的表示。此外，提出一种由粗到细的语义匹配优化方法，逐步弥合域间隙。实验结果验证了所提模型不仅在识别已知与未知类别图像上具有优越性，也能适应目标域的不同开放度。
引用
@article{arxiv.2105.04967,
title = {Open Set Domain Recognition via Attention-Based GCN and Semantic Matching Optimization},
author = {Xinxing He and Yuan Yuan and Zhiyu Jiang},
journal= {arXiv preprint arXiv:2105.04967},
year = {2021}
}
备注
ICPR 2020