基于未标记数据有效利用的开放集识别方法.pdf

摘要

开放集识别的主要目的是识别未标记数据中的新类样本，同时对已见类样本进

行正确分类。在开放集识别任务中，训练样本和测试样本的类别空间不同，测试样

本可以来自任何未知类别。作为机器学习领域中的一个重要研究方向，开放集识别

不仅对发现新类有重要的科学研究意义，而且在安全领域、自动驾驶、图像识别等

领域发挥着重要的应用价值。目前在开放集识别的相关研究中，基于阈值、基于概

率模型以及基于深度学习等方法都已经取得了一系列重要研究成果。然而，目前的

方法对未标记数据的利用不足，导致模型的性能提升受限。未标记数据中往往包含

重要的信息，例如数据的分布和特征表示。为此，本文充分利用未标记数据来展开

开放集识别研究。主要成果如下：

1

（）针对开放集识别中未标记数据评估和伪标记信息利用不足问题，提出了基

于主动学习的开放集识别模型。在图像数据中展开实验，该模型充分利用未标记数

据提升开放集识别性能。引入已见类别的语义知识，构建语义知识和图像特征的映

射关系。利用阈值选择策略区分未标记数据中的开放集样本和已见类样本，通过主

动学习模型迭代地识别高置信度开放集样本和已见类样本，并将高置信度的已见类

样本添加到标记数据集中，减少开放集样本对分类模型的影响并扩充标记数据集。

在相关图像分类数据集的实验结果表明了该方法的有效性。

2

（）针对开放集识别中通过单一准则对未标记数据进行识别，导致开放集样本

识别准确率欠佳的问题，提出一种基于PU学习的开放集识别模型。首先，利用PU

学习对未标记样本进行初步分类。然后，使用编码器提取特征表示，经过解码器重

构样本特征，根据重构的特征误差再次对未标记样本进行分类；最终，将两次分类

结果一致的样本被认为是高置信度的已见类样本或者开放集样本，分类结果不一致

的样本再次通过加权重新分配的方法进行调整。在相关数据集上进行了实验，实验

结果表明了提出方法的有效性。

综上所述，本文针对开放集识别中对未标记数据利用不足带来的问题，提出了

相应的有效利用未标记数据的开放集识别模型，为开放集识别提供了新思路。研究

成果对开放集识别领域有重要作用，可广泛应用于开放环境下的图像分类、人脸识

别等任务。

I

关键词：开放集识别；主动学习；PU学习；图像识别

II

ABSTRACT

Themainobjectiveofopensetrecognitionistoidentifynewclasssamplesin

unlabeleddatawhilecorrectlyclassifyingthesamplesofknownclasses.Inopenset

recognitiontasks,thecategoryspacesoftrainingsamplesandtestsamplesaredifferent,

andtestsamplescancomefromanyunknowncategory.Asanimportantresearch

directioninthefieldofmachinelearning,opensetrecognitionnotonlyhassignificant

scientificresearchsignificancefordiscoveringnewclasses,butalsoplaysanimportant

roleinpracticalapplicationssuchassecurity,autonomousdriving,andimagerecognition.

Currently,intherelatedresearchonopensetrecognition,methodsbasedonthresholds,

probabilisticmodels,anddeeplearninghaveallachievedaseriesofimportantresearch

results