基于高斯混合变分自编码器的开集识别
机器学习
2020-06-04 v1 计算机视觉与模式识别
神经与进化计算
机器学习
摘要
在推理中，开集分类要么将样本分类为训练中的已知类，要么将其作为未知类拒绝。现有的深度开集分类器训练显式的闭集分类器，在某些情况下分离地利用重构，我们发现这会稀释隐表示区分未知类的能力。相比之下，我们训练模型在隐空间中协作学习重构并执行基于类的聚类。由此，我们的高斯混合变分自编码器（Gaussian mixture variational autoencoder, GMVAE）通过大量实验及分析结果的辅助，实现了更准确且鲁棒的开集分类结果，平均 F1 提升 29.5%。
引用
@article{arxiv.2006.02003,
title = {Open-Set Recognition with Gaussian Mixture Variational Autoencoders},
author = {Alexander Cao and Yuan Luo and Diego Klabjan},
journal= {arXiv preprint arXiv:2006.02003},
year = {2020}
}
备注
12 pages including 8 figures and 4 tables, plus 6 pages of supplementary material