基于獨(dú)立分類網(wǎng)絡(luò)的開集識別研究

打開文本圖片集

摘要：【目的】為解決圖像分類模型面對傳統(tǒng)閉集訓(xùn)練方式出現(xiàn)的模型缺乏開集泛化性的問題，提出了一種分離式的獨(dú)立分類網(wǎng)絡(luò)結(jié)構(gòu)。【方法】每個(gè)類別都包含獨(dú)立的線性特征層，特征層中設(shè)計(jì)的神經(jīng)元節(jié)點(diǎn)能夠在有限的數(shù)據(jù)樣本下更準(zhǔn)確地捕獲類別特征。同時(shí)，在模型訓(xùn)練時(shí)，文中引入了一類無需標(biāo)注的負(fù)樣本，使得模型在構(gòu)建決策邊界時(shí)不僅依賴于已知類別的特征差異，在不增加額外標(biāo)注樣本的情況下，增加模型決策邊界的開集泛化性。（剩余12927字）