开放集识别:
一个好的闭集分类器就是你所需要的吗?
2022年ICLR(口头)


萨加尔瓦兹1
韩凯1,2
安德烈·韦达尔迪1
安德鲁·齐瑟曼1


1牛津大学VGG
香港大学




挑逗的形象。




摘要

识别测试样本是否属于某个语义的能力分类器训练集中的类对于模型的实际部署至关重要。这项任务被称为开放集识别(OSR),受到了广泛的关注近年来。在本文中,我们首先证明了分类器的能力做出“以上都不是”的决定与其在闭集类。我们发现这种关系适用于不同的损失目标以及架构,进一步展示了标准OSR上的趋势基准测试以及大规模ImageNet评估。第二,我们用这个通过以下方式提高最高logit分数OSR“基线”的性能提高了它的闭集精度,并用这个强大的基线达到了最先进的水平在许多OSR基准测试中。同样,我们可以提高现有的最新方法通过提高其闭集精度,但是结果与强基线的差异很小。我们的第三个贡献是为了展示语义转换基准(SSB),哪个更尊重检测语义新颖性的任务,与其他分布的任务相反由相关领域(如分布外检测)处理的移位。在这个新的评估,我们再次证明强大的基线和现有的先进技术。






语义转换基准

在此处下载


我们提出了一个用于开放集识别和相关任务的语义转移基准套件(SSB)(例如类别发现、分布外检测等)。SSB旨在将语义新颖性与其他形式的分布转移隔离开来,它由三个细粒度组成数据集和大规模ImageNet基准测试。


对于每个数据集,我们提供了“已查看”和“未查看”类拆分。此外,对于每个数据集,“看不见的”课程分为“易”和“难”。较难的例子在视觉和语义上与“seen”类更相似。


示例如下所示。对于简单和困难的例子,我们在右边显示“看不见”的类,在左边显示它们最相似的“看见”类。





引用

纸张缩略图

开集识别:一个好的闭集分类器就是你所需要的吗?

萨加尔·瓦兹、凯·汉、安德烈·韦达尔迪和安德鲁·齐瑟曼

在ICLR,2022年。

@正在进行中{VAZE2022打开,title={openset Recognition:一个好的闭集分类器就是你所需要的吗?},作者{Sagar Vaze和Kai Han,Andrea Vedaldi和Andrew Zisserman,书名{学习表征国际会议},年份={2022}}



致谢

此模板最初由菲利普伊索拉张曦轲为了多彩工程,并继承张杰.代码可以找到在这里.