利用未标记数据通过增广类别进行开集学习
机器学习
2023-11-01 v8 计算机视觉与模式识别
机器学习
摘要
新类别通常定义为训练时未观测到但测试时出现的那些类别。然而，部分标记的训练数据集可能含有属于新类别的未标记训练样本，意味着这些类别可同时出现在训练与测试中。本研究首次在一种称为利用未标记数据的增广类别开集学习（Open-LACU）的新学习策略中，对我们所称的已观测新类别与未观测新类别进行泛化。在综述现有学习策略后，我们将 Open-LACU 作为正类与未标记学习、半监督学习与开集识别的统一策略引入。随后，我们利用相关研究领域的一种算法训练流程开发了首个 Open-LACU 模型。所提出的 Open-LACU 分类器取得了最先进且首创性的结果。
引用
@article{arxiv.2002.01368,
title = {Open-set learning with augmented categories by exploiting unlabelled data},
author = {Emile R. Engelbrecht and Johan A. du Preez},
journal= {arXiv preprint arXiv:2002.01368},
year = {2023}
}