Class-specific prototype networks for open-set recognition

doi:10.1016/j.neucom.2026.134210

Class-specific prototype networks for open-set recognition

2026-06-09

0

PRE

AI

DOI：10.1016/j.neucom.2026.134210

原文链接

原文求助

摘要

En 中文

开放集识别（OSR）旨在解决正确识别训练过程中未观察到的未知类别样本的挑战。尽管现有的基于原型的方法在一定程度上提高了模型的鲁棒性，但依赖所有类别共享原型编码器往往会限制其捕获类别特定语义特征的能力。为克服此局限性，我们提出了类别特定原型编码器（CSPE）框架，其中在骨干网络末端为每个类别分配一个独立的轻量级编码器来学习代表性原型。每个编码器仅专注于将其目标类别的样本尽可能映射到其对应原型，同时将非目标样本推开，而不考虑其他类别原型的相对位置。这种设计使学习到的原型更加紧凑和具有判别性。此外，我们提出了原型约束机制，将每个类别原型限制在嵌入特征空间的边界上，从而降低未知样本入侵的风险。实验结果表明，所提出的方法在多个基准数据集上优于现有的基于原型的方法。代码可在 https://github.com/LYLCCM/CSPN 公开获取。

Class-specific prototype networks for open-set recognition

摘要

期刊

机构

引用论文