[IEEE TPAMI 2021]卷积原型网络在开放集识别中的应用

一、研究背景深度神经网络在传统闭集分类任务上取得了很大的性能提升，然而其在开放集识别任务中仍面临巨大的挑战。在开放集识别任务中，未知样本（即未在训练类别中出现过的样本）会在测试阶段出现。这要求模型不仅能够准确分类已知样本（即所属类别在训练阶段出现过），同时还要准确区分已知样本和未知样本[1]。开放集识别本质上是一个类分类问题，其中为已知类个数，而所有未知样本均被视为额外的1类。开放集识别更贴近实际应用要求，例如在自动驾驶中，未知的物体和场景会不断出现；在医学图像分析中，未知的疾病类型也会不断出现。相较于广阔的未知世界，人们所收集标注的训练样本仅能覆盖实际中有限的少数类别。利用有限的训练数据，大 ………………………………