알려진 클래스 밖의 입력
폐쇄 집합 분류는 입력을 학습한 클래스 중 하나로 골라야 하므로 관계없는 영상에도 높은 확신을 보일 수 있다. OpenMax는 검사 때 처음 보는 클래스를 거부할 수 있도록 미지 확률을 추정한다.
활성화 패턴의 활용
분류기 직전 층의 활성화 패턴에 메타 인식 개념을 적용한다. 이 정보를 바탕으로 미지 클래스의 확률을 구성해 단순히 최대 소프트맥스 확률에 문턱값을 두는 접근과 구별된다.
위험 분석과 평가
원 연구는 개방 공간 위험이 제한되는 성질을 증명했다. 사전 학습 신경망을 사용해 ImageNet 검증 영상과 관계없는 개방 집합 영상 등을 평가하고 기본 분류기 및 소프트맥스 문턱값 방식과 비교했다.
관련 문서
개방 집합 인식 / 소프트맥스 함수 / 최대 소프트맥스 확률 탐지 / OpenOOD / 이상 탐지 / 표현 학습