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
刘华银完成签到,获得积分10
2秒前
盐植物发布了新的文献求助10
2秒前
成就乘云发布了新的文献求助10
3秒前
3秒前
李健的小迷弟应助等风来采纳,获得10
3秒前
3秒前
4秒前
4秒前
学术星星完成签到,获得积分10
5秒前
开心便当发布了新的文献求助10
6秒前
7秒前
peace发布了新的文献求助10
9秒前
9秒前
笑点低千雁完成签到,获得积分10
9秒前
沉香续断发布了新的文献求助10
9秒前
吕yj发布了新的文献求助10
10秒前
hehehehe发布了新的文献求助10
11秒前
盐植物完成签到,获得积分10
12秒前
13秒前
研友_VZG7GZ应助Orange采纳,获得10
13秒前
加玉完成签到 ,获得积分10
14秒前
14秒前
刘华银发布了新的文献求助10
14秒前
15秒前
田様应助成就乘云采纳,获得10
15秒前
hochorsin发布了新的文献求助10
16秒前
18秒前
Yon完成签到 ,获得积分10
19秒前
爱唱歌的yu仔完成签到,获得积分10
20秒前
拓跋半雪发布了新的文献求助10
21秒前
南巷完成签到,获得积分10
22秒前
hochorsin完成签到,获得积分10
23秒前
元谷雪应助Seoyeong采纳,获得10
25秒前
赘婿应助一期一会采纳,获得10
26秒前
丘比特应助寒天帝采纳,获得10
27秒前
科研菜鸟完成签到,获得积分10
28秒前
深情安青应助likes采纳,获得10
29秒前
31秒前
框框发布了新的文献求助10
31秒前
psj完成签到,获得积分10
31秒前
高分求助中
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Very-high-order BVD Schemes Using β-variable THINC Method 568
Chen Hansheng: China’s Last Romantic Revolutionary 500
XAFS for Everyone 500
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 3138292
求助须知:如何正确求助?哪些是违规求助? 2789301
关于积分的说明 7790796
捐赠科研通 2445551
什么是DOI,文献DOI怎么找? 1300593
科研通“疑难数据库(出版商)”最低求助积分说明 625971
版权声明 601065