用于开集识别中表示学习的自监督去变换自编码器
机器学习
2022-07-07 v2 计算机视觉与模式识别
摘要
开集识别（OSR）的目标是学习一个分类器，在准确分类已知类的同时拒绝未知样本。本文针对 OSR 问题提出一种自监督方法——去变换自编码器（DTAE）。该方法致力于学习对输入数据变换保持不变的表示。在多个标准图像数据集上的实验表明，预训练过程显著提升了模型在 OSR 任务中的性能。同时，我们提出的自监督方法在未知类检测与已知类分类上均取得显著增益。此外，我们的分析表明，与 RotNet 相比，DTAE 能产生包含更多目标类信息、更少变换信息的表示。
引用
@article{arxiv.2105.13557,
title = {Self-supervised Detransformation Autoencoder for Representation Learning in Open Set Recognition},
author = {Jingyun Jia and Philip K. Chan},
journal= {arXiv preprint arXiv:2105.13557},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2006.15117