20年单类别(One-Class)分类全面综述论文，从2001到2020

本文提供了针对视觉识别的单类别分类OCC的经典统计和基于深度学习的最新方法的全面调研。详细并讨论了现有OCC方法的优缺点，还介绍了OCC的常用数据集和评估指标。

单类别分类（One-Class Classification，OCC）是多类别分类的一种特殊情况，其中训练期间观察到的数据来自单个阳性类。OCC的目标是学习一种表示法和/或一个分类器，该分类器和/或分类器可以在推理过程中识别正标记的查询。近年来，这个主题在计算机视觉，机器学习和生物特征学领域引起了相当大的兴趣。在本文中，我们提供了针对视觉识别的经典统计和基于深度学习的最新OCC方法的调查。我们讨论了现有OCC方法的优缺点，并确定了该领域研究的有希望的途径。此外，我们还讨论了OCC的常用数据集和评估指标。

https://www.zhuanzhi.ai/paper/65b2f00c35574ec550abefa501485937