用生成模型开启深度神经网络
计算机视觉与模式识别
2021-07-01 v3 机器学习
摘要
图像分类方法通常针对一组预定义的已知类别进行训练以执行预测。然而，现实世界的问题可能不允许对输入和标签空间有完全的了解，使得识别失败成为深度视觉学习的隐患。开集识别方法的特点在于能够正确识别已知类和未知类的输入。在此背景下，我们提出 GeMOS：简单且即插即用的开集识别模块，可附加到预训练的深度神经网络上用于视觉识别。GeMOS 框架将预训练的卷积神经网络与用于开集识别的生成模型配对，以提取每个样本的开集分数，从而允许在物体识别任务中进行失败识别。我们对该方法与最先进的开集算法进行了 thorough 评估，发现 GeMOS 要么优于、要么在统计上与更复杂且昂贵的模型无差异。
引用
@article{arxiv.2105.10013,
title = {Opening Deep Neural Networks with Generative Models},
author = {Marcos Vendramini and Hugo Oliveira and Alexei Machado and Jefersson A. dos Santos},
journal= {arXiv preprint arXiv:2105.10013},
year = {2021}
}