整体正原型算法

小样本开放识别

用整体正原型描述正样本分布，距离度量直接判别正负，无需建模负类。

Liang-Yu, Sun · Chu, Weita

Pattern Recognition 2024

技术优势

无需建模负类

负样本分布广泛且难以描述，该方法只凝聚正样本，避免了直接对负类建模的困难。

判别简单

只需计算查询样本与整体正原型的距离即可分类，无需复杂阈值或额外模块。

高精度

该方法在多个基准上取得了小样本开放识别的最先进准确率。

AUROC最优

该方法在AUROC指标上也达到最先进水平，检测未知类的能力强。

应用场景

• 开放集识别：在类别不封闭的现实场景中识别已知类并拒绝未知类。
• 小样本学习：每个已知类仅需少量标注样本即可训练模型。
• 异常检测：通过距离度量检测远离正原型的异常样本。