Recent Advances in Open Set Recognition: A Survey

计算机科学 分类器(UML) 人工智能 机器学习 训练集 开放式研究 模式识别(心理学) 领域(数学) 开放集 集合(抽象数据类型) 数学 离散数学 万维网 程序设计语言 纯数学
作者
Chuanxing Geng,Sheng-Jun Huang,Songcan Chen
出处
期刊:IEEE Transactions on Pattern Analysis and Machine Intelligence [Institute of Electrical and Electronics Engineers]
卷期号:43 (10): 3614-3631 被引量:607
标识
DOI:10.1109/tpami.2020.2981604
摘要

In real-world recognition/classification tasks, limited by various objective factors, it is usually difficult to collect training samples to exhaust all classes when training a recognizer or classifier. A more realistic scenario is open set recognition (OSR), where incomplete knowledge of the world exists at training time, and unknown classes can be submitted to an algorithm during testing, requiring the classifiers to not only accurately classify the seen classes, but also effectively deal with the unseen ones. This paper provides a comprehensive survey of existing open set recognition techniques covering various aspects ranging from related definitions, representations of models, datasets, evaluation criteria, and algorithm comparisons. Furthermore, we briefly analyze the relationships between OSR and its related tasks including zero-shot, one-shot (few-shot) recognition/learning techniques, classification with reject option, and so forth. Additionally, we also overview the open world recognition which can be seen as a natural extension of OSR. Importantly, we highlight the limitations of existing approaches and point out some promising subsequent research directions in this field.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
小毛毛完成签到,获得积分10
1秒前
hhc发布了新的文献求助10
1秒前
2秒前
orixero应助威武的皮卡丘采纳,获得10
2秒前
kyf发布了新的文献求助10
3秒前
3秒前
冷傲的莹发布了新的文献求助10
3秒前
儒雅新波完成签到,获得积分10
4秒前
liv关闭了liv文献求助
4秒前
lw完成签到,获得积分20
4秒前
无花果应助鸡毛采纳,获得10
4秒前
清秀凡霜发布了新的文献求助10
5秒前
香蕉觅云应助小毛毛采纳,获得10
5秒前
犹豫的青烟完成签到 ,获得积分10
6秒前
6秒前
清1发布了新的文献求助10
6秒前
搬砖的化学男应助木木采纳,获得10
7秒前
8秒前
8秒前
yan完成签到 ,获得积分10
9秒前
10秒前
Jasper应助畅快飞珍采纳,获得10
10秒前
Hello应助不爱看采纳,获得10
10秒前
11秒前
优美的听蓉完成签到,获得积分10
11秒前
11秒前
12秒前
柠檬完成签到,获得积分10
12秒前
lw发布了新的文献求助10
13秒前
西柚完成签到 ,获得积分10
13秒前
li发布了新的文献求助10
14秒前
14秒前
14秒前
14秒前
14秒前
贵金属LiLi完成签到 ,获得积分10
15秒前
蘑菇点点发布了新的文献求助10
15秒前
深情安青应助淡定的疾采纳,获得20
15秒前
有余完成签到,获得积分10
16秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3101379
求助须知:如何正确求助?哪些是违规求助? 2752746
关于积分的说明 7620795
捐赠科研通 2405017
什么是DOI,文献DOI怎么找? 1276094
科研通“疑难数据库(出版商)”最低求助积分说明 616692
版权声明 599058