基于稀疏表示的开放集识别

May, 2017

Sparse Representation-based Open Set Recognition

He Zhang, Vishal M.Patel

TL;DR该论文提出了一种基于稀疏表示分类（SRC）的广义算法，用于开放集识别，其中在测试期间未知训练期间存在的所有类别。通过模拟使用统计极值理论（EVT）来构建两个误差分布的尾部，我们将开放集识别问题简化为一组假设检验问题。然后，将与新测试样本的尾部分布相对应的置信度得分进行融合，以确定其身份。结果表明，该方法比许多其他竞争性开放集识别算法具有显着优势。

Abstract

We propose a generalized Sparse Representation- based Classification (SRC) algorithm for open set recognition where not all classes presented during testing are known during training. The SRC algorithm uses class reconstruction errors for classification. As most of the discriminative i

sparse representation-based classification open set recognition tail distribution modeling hypothesis testing confidence scores fusion

发现论文，激发创造

开放集识别的分类重构学习

本文提出了一种名为 CROSR 的新型开放式识别深度学习网络方法，其不仅具有良好的未知类别检测和已知类别分类准确性，而且在多种标准数据集上的实验结果表明其优于其他现有的深度开放式分类器，并且具有鲁棒性。

Dec, 2018

基于图形筛选的稀疏表示分类

本论文介绍了一种基于稀疏表示分类器的图像识别算法，该算法基于子空间假设，并通过筛选实现，与原始算法等价且在满足正则性条件时具有分类一致性，经过模拟和实验验证，该算法具有可比较的数值性能，但速度更快。

Jun, 2019

开放集合识别的最新进展：综述

本文综述了现有的开放集识别技术，包括相关定义、模型表示、数据集、评估标准和算法比较，在此基础上简要分析了其与零样本学习、有样学习、分类拒绝等相关任务的关系，并指出现有方法的局限性，并指出一些有前途的研究方向。

Nov, 2018

通过开放集识别和未知样本检测的进展实现知情决策

机器学习技术为数据提供更深入和实用的洞察力，帮助企业做出明智的决策；此研究提供了一种算法来改善开放集识别任务中的分类，通过探索特征空间的新表示方法，提高了分类的准确性。

May, 2024

开放集图像识别综述

本文总结了最新的开放式图像识别方法的发展，主要包括了基于深度神经网络的方法在粗粒度和细粒度数据集上的性能比较以及对比分析，同时讨论了该领域的若干开放问题和未来可能的研究方向。

Dec, 2023

开放集合识别综述

本文是一篇 Open Set Recognition 领域的综述性研究，介绍了现有的开放集识别模型、它们的优劣以及该领域的最新进展，分析了 OSR 与多类别分类和新颖性检测的关系，得出该领域可以有效地处理现实世界中未知的情况结论，并提出了新的研究方向和应用场景。

Aug, 2021

开放式识别：一个良好的封闭式分类器是否就足够了？

研究了开放集识别中识别出训练集中语义类别之外的样本与对封闭集类别的准确性有着密切的关联，并通过提高对封闭集类别的准确度来改善基线和现有方法的性能，并提出了一种更好的用于检测语义新颖性的基准数据集。

Oct, 2021

使用具有额外检测头的视觉转换器进行开放集识别

本研究提出了一种基于 ViT 技术解决开放集识别问题的新方法，通过集群标识测试示例是否属于已知类别，实现模型性能的提升。在多个开放集基准数据集上的广泛评估表明，该方法显著优于其他基线方法并取得了新的最佳性能。

Mar, 2022

通过背景类别正则化实现准确的开放式识别

本研究提出在标准分类器结构中使用基于距离的分类器，通过背景类正则化策略来增强开放集识别的鲁棒性，从而避免了复杂的离线分析和网络设计，同时保持高准确性的闭集分类。

Jul, 2022

被错误分类的样本是魔鬼：迈向统一的开放集识别

本文深入分析了 UOSR 任务在不同训练和评估设置下的性能，并评估了几种 OSR 方法的 UOSR 性能。我们发现 UOSR 性能明显优于相同方法的 OSR 性能，原因在于已知但错误分类的样本。我们还探讨了 OSR 的两种训练设置如何影响 UOSR，提出了新的评估设置 few-shot UOSR，并提出了 FS-KNNS 来实现在所有设置下的最先进性能。

Feb, 2023