【MLA 2019】 面向开放环境的分类器学习，刘成林 中科院自动化所研究员

题目： 面向开放环境的分类器学习

摘要：模式分类器设计和学习一般假设输入模式来自规定的类别集，即符合闭合世界假设。然而，实际应用环境下，模式的类别集是不可控的，可能来自规定类别集，也可能是类别集之外（异常模式或新类别）。过去几十年来，模式识别领域有很多关于拒识（包括异常拒识）的研究，近年来也提出了一些专门针对开放集（Open Set）的分类器学习方法。本报告首先对拒识和开放集学习相关工作做一个简要回顾，然后介绍我们最近提出的基于卷积原型学习的开放集分类方法。卷积原型分类器以卷积神经网络学习图像特征，以原型代表各个类别的分布，基于最近距离规则进行分类。卷积神经网络和原型联合学习，使得不同类别之间可分并且每个类别分布具有紧凑性。这样得到的分类器具有几个明显的优点：对异常模式的鲁棒性、小样本学习的泛化性、潜在的新类别发现和自适应能力。

报告人： 刘成林 研究员 中科院自动化所