已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

A Unified Objective for Novel Class Discovery

计算机科学 边距(机器学习) 正规化(语言学) 班级(哲学) 人工智能 集合(抽象数据类型) 方案(数学) 简单 机器学习 对象(语法) 基本事实 功能(生物学) 数学 数学分析 哲学 认识论 程序设计语言 进化生物学 生物
作者
Enrico Fini,Enver Sangineto,Stéphane Lathuilière,Zhun Zhong,Moin Nabi,Elisa Ricci
标识
DOI:10.1109/iccv48922.2021.00915
摘要

In this paper, we study the problem of Novel Class Discovery (NCD). NCD aims at inferring novel object categories in an unlabeled set by leveraging from prior knowledge of a labeled set containing different, but related classes. Existing approaches tackle this problem by considering multiple objective functions, usually involving specialized loss terms for the labeled and the unlabeled samples respectively, and often requiring auxiliary regularization terms. In this paper we depart from this traditional scheme and introduce a UNified Objective function (UNO) for discovering novel classes, with the explicit purpose of favoring synergy between supervised and unsupervised learning. Using a multi-view self-labeling strategy, we generate pseudo-labels that can be treated homogeneously with ground truth labels. This leads to a single classification objective operating on both known and unknown classes. De-spite its simplicity, UNO outperforms the state of the art by a significant margin on several benchmarks (≈ +10% on CIFAR-100 and +8% on ImageNet). The project page is available at : https://ncd-uno.github.io.
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
PDF的下载单位、IP信息已删除 (2025-6-4)

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
锦七完成签到,获得积分10
刚刚
1秒前
al完成签到 ,获得积分10
3秒前
阿梅梅梅完成签到,获得积分10
3秒前
tanglu完成签到,获得积分10
5秒前
小zz完成签到 ,获得积分10
5秒前
哭泣的丝完成签到 ,获得积分10
5秒前
7秒前
孙一一完成签到 ,获得积分10
7秒前
一直向前发布了新的文献求助10
11秒前
万能图书馆应助小何采纳,获得10
12秒前
安详向日葵完成签到 ,获得积分10
13秒前
14秒前
Eins完成签到 ,获得积分10
15秒前
16秒前
confident完成签到 ,获得积分10
18秒前
18秒前
20秒前
科研通AI2S应助momo采纳,获得10
21秒前
可爱邓邓完成签到 ,获得积分10
22秒前
zm_qian发布了新的文献求助10
22秒前
典雅雁梅完成签到 ,获得积分10
22秒前
Bressanone完成签到,获得积分10
24秒前
26秒前
小飞完成签到 ,获得积分10
26秒前
27秒前
补喵发布了新的文献求助10
27秒前
Tsin778完成签到 ,获得积分10
29秒前
Lionnn发布了新的文献求助10
31秒前
棠棠完成签到 ,获得积分10
33秒前
34秒前
36秒前
可爱的函函应助Philip采纳,获得10
36秒前
zxy完成签到 ,获得积分10
40秒前
补喵完成签到,获得积分10
41秒前
46秒前
nulinuli完成签到 ,获得积分10
46秒前
46秒前
Leon Lai完成签到,获得积分10
47秒前
NexusExplorer应助人间烟火采纳,获得10
48秒前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 350
Robot-supported joining of reinforcement textiles with one-sided sewing heads 320
Aktuelle Entwicklungen in der linguistischen Forschung 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 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 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3989957
求助须知:如何正确求助?哪些是违规求助? 3532034
关于积分的说明 11256000
捐赠科研通 3270880
什么是DOI,文献DOI怎么找? 1805070
邀请新用户注册赠送积分活动 882252
科研通“疑难数据库(出版商)”最低求助积分说明 809216