Open set recognition (OSR) 是一种基于深度学习的开集识别方法，在模式识别领域具有重要应用
发布时间
阅读量：
阅读量
开集识别
闭集识别
训练集所包含的类别与测试集中的类别保持一致，最常见的方式是采用公开数据集进行模型训练，这些数据集中所有图像的类别信息均已明确标注，不存在未被识别的未知类别。传统机器学习方法在处理此类任务时已展现出较为理想的性能表现。
（训练集与测试集的类别保持一致）
开集识别概念与应用
开集识别作为现实场景中最为普遍的挑战，往往只有在实际开展项目过程中才会显现出来，而在利用公开数据集进行研究时，此类问题则不会出现。
开集识别概念解析
【通俗而言，这指的是在一个开放式的数据集合中执行识别任务，更精确地讲，就是测试集包含训练集中未出现的类别。当利用测试集进行评估时，若输入一张不属于训练集中已知类别的图像，由于Softmax函数的输出特性，模型可能会以较高的置信度将其归类到某个类别中，这显然是不正确的。因此，便产生了所谓的开集识别问题。
（测试集中包含训练集中未涉及的类别）
开集识别的目标在于：当输入为**已知类别的图像时，能够正确识别出具体类别；而当输入为未知类别的图像时，则应将其判定为unknown，或以较低的置信度进行输出。）
还没有任何评论哟~