论文题目：Unknown Support Prototype Set for Open Set Recognition

作者：姜国崧（博士研究生）、朱鹏飞、曹兵、陈东月、胡清华

论文概述：

视觉识别系统在实际运行中往往会碰到训练中没有见过的类别（未知类），并容易将其以较高的置信度识别为训练集见过的类别（已知类）。开放集识别问题要求识别系统在正确分类已知类的同时，辨别出未知类。负数据增强是一种有效的开放集方法，它通过生成一些负样本，让模型认识到未来可能遇见的未知类。本工作研究并回答了如何构建负样本可以有效提升模型对未知类的泛化性：通过生成一组未知类分布，并同时优化它们支持性和多样性，完成开放空间风险的最小化。另外，为了进一步增强算法的有效性，本工作提出寻找一个低维语义子空间作为生成空间。这样做可以大幅度的减少生成样本的数量以及生成可靠性。最后，我们在广泛的视觉数据集上验证了本工作所提出的算法在行业内的领先效果。