【开集识别论文解读】C2AE: Class Conditioned Auto-Encoder for Open-set Recognition——CVPR2019

原创 已于 2022-06-08 19:38:37 修改 · 2.1k 阅读 · 12 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #图像处理

于 2022-06-08 11:00:53 首次发布
本文探讨了开集识别任务，将其分为闭集分类和开集识别两个阶段。在闭集训练阶段，使用交叉熵损失训练编码器和分类器。在开集训练阶段，通过条件解码器训练和重建误差的EVT建模，使网络在输入与条件向量不匹配时产生较差的重构，以识别未知类。最后，通过阈值计算确定开放集识别的操作点。

 原文链接：https://arxiv.org/abs/1904.01198

开集识别的一般场景设定如图1所示， 我们已知四类图片，但是在测试过程中，可能会出现不属于任何一类的样本，而开集识别的目标就是识别出未知类，并且对已知类正确分类。

本文将开集识别任务分成了两个子任务：闭集分类和开集识别。训练过程如图2中的1）和2）所示。

1. Closed-set Training (Stage 1)

给定一个batch\{X_1,X_2,...,X_N\}\in K的图像，以及相应的标签\{y_1,y_2,...,y_N\}。编码器（F）和分类器（C）分别具有参数\Theta _f和\Theta _c，使用以下交叉熵损失进行训练，

L_c(\{\Theta_f,\Theta_c\})=-\frac{1}{N}\sum_{i=1}^{N}\sum_{j=1}^{k}\mathbb{I}_{y_i}(j)log[p_{y_i}(j)]

其中，\mathbb{I}_{y_i}是标签y_i的指示函数（即，一个热编码向量），p_{y_i}=C(F(X_i))是预测概率得分向量。p_{y_i}(j)是第i个样本来自第j类的概率。

2. Open-set Training (Stage 2) 

在开集训练中有两个主要部分，条件解码器训练，然后是重建误差的EVT建模。在此阶段，编码器和分类器权重是固定的，在优化过程中不会改变。

2.1 Conditional Decoder Training

这里使用了视觉推断的一种方法：FiLM，FiLM层在神经网络的中间层特征上进行一个简单的fe

最低0.47元/天 解锁文章
【开集识别论文解读】Few-Shot Open-Set Recognition using Meta-Learning——CVPR2020
cute_cxy的博客
06-03 3831
本文介绍了一种新的开集元学习算法（PEELER）算法，实验结果表明，PEELER在小样本和大规模识别方面都达到了最先进的开放集识别性能。开集识别目前主要的研究是在大规模环境中，使用基于大规模分类器的解决方案。这些尝试通过后处理后验类分布来识别新类，定义一个“拒绝”类，该类使用人工生成的示例或从训练类中采样的示例，或两者的组合进行训练。本文试图将开集识别推广到大规模环境之外：大规模和小样本识别。......
【开集识别论文解读】Classification-Reconstruction Learning for Open-Set Recognition——CVPR2019
cute_cxy的博客
06-06 3708
CROSR利用潜在表示进行重建，并在不损害已知类别分类精度的情况下实现鲁棒未知检测。开集分类器可以检测不属于任何训练类的样本。通常，它们将概率分布拟合到某些特征空间中的训练样本中，并将异常值检测为未知值。对于表示样本的特征，几乎所有现有的深度开集分类器都依赖于通过完全监督学习获得的特征，如图1（a）所示。然而，它们是为了强调已知阶级的区别特征，对于表示未知或将未知与已知分开并不一定有用。......
C2AE: Class Conditioned Auto-Encoder for Open-set Recognition（CVPR 2019）部分翻译
weixin_44414527的博客
03-10 5014
C2AE: Class Conditioned Auto-Encoder for Open-set Recognition（CVPR 2019）部分翻译
C2AE: Class Conditioned Auto-Encoder for Open-Set RecognitionCVPR2019开放集识别论文解读
pingguolou的博客
11-02 766
【16】 Oza P , Patel V M . C2AE: Class Conditioned Auto-Encoder for Open-Set Recognition[C]// 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, 2019.. 本文引入了在CE loss的交叉熵分类基础上，增加了条件自编码器损失的条件自编码器，进行开放集识别，命名为C2AE。 在训练中，包括两个阶段，其.
Open-Set-Recognition:开放集识别
03-18
公开集识别项目 使用PyTorch进行的开放集识别项目。 如有任何问题，请发送电子邮件 注意：由于我的实验性实现（特别是我的方法），需要重新构造。 要求 对于不同的算法和不同的数据集，要求会有所不同。通常，基本和必不可少的要求是： # pytorch 1.4+, torchvision 0.7.0 + pip3 install torch torchvision # sklearn pip3 install -U scikit-learn # numpy pip3 install numpy # scikit-learn-0.23.2 pip3 install -U sklearn 对于OpenMax： pip3 install libmr 对于绘制MNIST： pip3 install imageio pip3 install tqdm 配套 数据集 CIFAR-100（完成）
CVPR2021-Encoding in Style: a StyleGAN Encoder for Image-to-Image Translation风格编码:用于图像到图像转换
ssshyeong的博客
04-18 1803
一个通用的图像到图像的转换框架pixel2style2pixel (pSp)。我们的pSp框架是基于一种新的编码器网络，它直接生成一系列的风格向量，这些向量被送入一个预先训练的StyleGAN生成器，形成扩展的W+潜在空间。利用我们的编码器直接解决图像到图像的翻译任务，将其定义为从某个输入域到潜在域的编码问题。通过偏离以前StyleGAN编码器使用的标准“先反转，后编辑”方法，我们的方法可以处理各种任务，即使输入图像没有在StyleGAN域中表示。
【CVPR2022】论文列表与下载——PartFour
TomRen
06-12 3436
【CVPR2022】完整论文列表
CVPR-2024-卫星遥感图像相关论文 16篇
最新发布
weixin_42155685的博客
10-14 3122
文章解读: http://www.studyai.com/xueshu/paper/detail/00ffce4794文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Kuckreja_GeoChat_Grounded_Large_Vision-Language_Model_for_Remote_Sensing_CVPR_2024_paper.html)Recent advancements in Large Vision-Language
【CVPR2022】论文列表与下载——PartThree
TomRen
06-12 5170
【CVPR2022】完整论文列表
Learning Deep Classifiers Consistent With Fine-Grained Novelty DetectionCVPR2021开放集识别论文解读
pingguolou的博客
11-02 395
【15】Cheng J, Vasconcelos N. Learning Deep Classifiers Consistent With Fine-Grained Novelty Detection[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 1664-1673. 本文引入了在CE loss的基础上，增加了类条件高斯分布损失，进行开放集识别。 在训练中，本文的损
awesome_OpenSetRecognition_list:与开放集识别，分发外，开放​​集域适应和开放世界识别相关的精选论文和资源清单
05-12
很棒的开放集识别列表 与开放集识别，分发外，开放​​集域适应和开放世界识别相关的精选论文和资源清单 注意： 此列表并不详尽。 为了公平起见，表使用字母顺序。 内容 异常检测 开放集域适应 开放世界认可 执照 贡献 讲解 教程与调查 迈向开放集识别，Scheirer WJ，de Rezende Rocha A，Sapkota A等。 （ PAMI，2013年）。 迈向开放世界认可，Bental A，Boult T.（ CVPR，2015年）。 终身机器学习，陈志远和刘冰。 （ 2018 ）。 开放集识别的最新进展：一项调查，耿C，黄胜，陈胜。（ arXiv，2018 ）。 公开集识别的最新进展：调查v2 ，耿传兴，黄胜军，陈松灿。 （ arXiv，2019 ）。 文件 开放集识别 基于传统机器学习方法 2019年 用于开放集识别的专用支持向量机，Pedro Ribe
【开集识别论文解读】GMVAE——AAAI2021
cute_cxy的博客
06-02 2357
Open-Set Recognition with Gaussian Mixture Variational Autoencoders论文解读。开集识别的目标是将测试样本分为训练中见过的已知类，或将其作为未知类拒绝。现有的深度开集识别分类器通常训练显式的闭集分类器，不联合使用重构的方法削弱了潜在表示区分未知类的能力。在本文中，训练模型在潜在空间中配合学习重建和执行基于类的聚类。本文提出的高斯混合变分自动编码器（GMVAE）通过大量实验，获得了更准确和鲁棒的开集分类结果，F1平均提高29.5%。...
open-set recognition(OSR)开集识别
kuxingseng123的博客
11-24 7300
先大致了解是干什么的，然后再慢慢开始研究OSR，争取把 其完全搞透彻，搞彻底再说的样子与打算。
开集识别（Open Set Recognition）
热门推荐
Black的博客
09-01 2万+
开集识别 闭集识别 ​ 训练集中的类别和测试集中的类别是一致的，最常见的就是使用公开数据集进行训练，所有数据集中的图像的类别都是已知的，没有未知种类的图像。传统的机器学习的算法在这些任务上已经取得了比较好的效果。 开集识别简述 ​ 现实场景中更多的是开放和非静态的环境，比如，一些没有见过的情况会意外出现。针对这一挑战提出的方法有持续学习、迁移学习、域适应、零样本、少样本学习、开集识别和分类等。 ​ 开集识别简单定义是，一个在训练集上训练好的模型，当利用一个测试集（该
开集识别学习笔记（一）--《Towards Openset Deep Networks 》中文精校与理解
weixin_54800645的博客
12-08 4079
2016CVPR《Towards Openset Deep Networks》
开集识别(Open Set Recognition, OSR)算法：《Towards Open Set Deep Networks》OpenMax
weixin_42188082的博客
12-18 1万+
写完了论文，重新梳理一下，以后不再更新。 1.相关论文源码 《Towards Open Set Deep Networks》即OpenMax源码:https://github.com/abhijitbendale/OSDN 《Meta-Recognition: The Theory and Practice of Recognition Score Analysis》即libMR， OpenMax使用libMR完成Weibull拟合。源码:https://github.com/Vastlab/libM
开放集识别分析文章
Mr.L的博客
07-26 284
主要的综述：Recent Advances in Open Set Recognition: A Survey 下载地址https://arxiv.org/pdf/1811.08581.pdf 综述分析：文章链接 https://blog.youkuaiyun.com/pingguolou/article/details/117535666 开集识别相关介绍：文章链接https://www.cnblogs.com/bonelee/p/14482628.html ...
开放集识别
pingguolou的博客
06-09 5219
0.摘要 1.到目前为止，在计算机视觉中，几乎所有基于机器学习的识别算法的实验评估都采用了封闭集识别的形式，即在训练时已知所有测试类。对于视觉应用来说，一个更现实的场景是开放集识别，在训练时存在不完整的世界知识，在测试时未知的类可以提交给算法。本文探讨了开集识别的性质，并将其定义形式化为约束最小化问题。现有算法不能很好地解决开放集识别问题，因为它需要很强的泛化能力。作为解决方案的一个步骤，我们引入了一个新的1-vs-set机器，它雕刻一个决策空间的边缘距离的1-class或binary svm的线性...
开集图像识别（open-set recognition）
qq_45691955的博客
03-15 3908
使用深度学习方法进行开集识别，并且使用不同的评估方式
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值