基于稀疏表示的开放集识别
计算机视觉与模式识别
2017-05-09 v1
摘要
我们提出了一种通用的基于稀疏表示分类（SRC）的算法，用于开放集识别，其中测试期间出现的类并非全部在训练期间已知。SRC算法使用类重建误差进行分类。由于开放集识别的大部分判别信息隐藏在匹配与未匹配重建误差分布的尾部，我们利用统计极值理论（EVT）对这两个误差分布的尾部进行建模。然后我们将开放集识别问题简化为一组假设检验问题。对应于新颖测试样本尾部分布的置信度得分随后被融合以确定其身份。所提方法的有效性在四个公开可用的图像与对象分类数据集上得到展示，并且表明该方法可以显著优于许多竞争的开放集识别算法。代码公开可用：https://github.com/hezhangsprinter/SROSR
引用
@article{arxiv.1705.02431,
title = {Sparse Representation-based Open Set Recognition},
author = {He Zhang and Vishal M. Patel},
journal= {arXiv preprint arXiv:1705.02431},
year = {2017}
}