基于正交编码的特征生成与双空间一致采样的转导式开集识别
计算机视觉与模式识别
2022-07-14 v1 人工智能
摘要
开集识别(OSR)旨在同时检测未知类样本并分类已知类样本。现有大多数 OSR 方法为归纳式方法,通常受域偏移问题困扰,即从已知类域学到的模型可能不适用于未知类域。针对该问题,受转导学习在许多其他视觉任务中缓解域偏移问题的成功启发,我们提出一种迭代式转导 OSR 框架,称为 IT-OSR,其迭代地执行三个所设计的模块,包括可靠性采样模块、特征生成模块和基线更新模块。具体而言,在每次迭代中,所设计的可靠性采样模块提出一种双空间一致采样方法,依据基线方法(可为任意归纳式 OSR 方法)赋予的伪标签从测试样本中选取相对更可靠的样本。随后,特征生成模块中设计了正交编码条件下的条件双对抗生成网络,根据所选测试样本及其伪标签生成已知类与未知类的判别性样本特征。最后,基线更新模块通过联合利用生成特征、带伪标签的所选测试样本以及训练样本,更新基线方法以进行样本重预测。在标准数据集与跨数据集设定上的大量实验结果表明,通过将两种典型归纳式 OSR 方法引入所提 IT-OSR 框架,所得转导式方法在多数情况下优于 15 种最先进(SOTA)方法。
引用
@article{arxiv.2207.05957,
title = {Orthogonal-Coding-Based Feature Generation for Transductive Open-Set Recognition via Dual-Space Consistent Sampling},
author = {Jiayin Sun and Qiulei Dong},
journal= {arXiv preprint arXiv:2207.05957},
year = {2022}
}