Краткое содержание

arXiv:2511.13775v1 Тип объявления: кросс Аннотация: Задача распознавания открытых множеств (Open Set Recognition, OSR) требует от моделей не только точной классификации известных классов, но и эффективного отклонения неизвестных образцов. Однако когда неизвестные образцы семантически близки к известным классам, перекрытие между классами в пространстве признаков часто приводит к тому, что модели необоснованно присваивают им высокую степень уверенности, что ведет к неправильной классификации как известных классов — явление, известное как "чрезмерная уверенность". Эта чрезмерная уверенность подрывает надежность OSR, размывая границу принятия решений между известными и неизвестными классами. Для решения этой проблемы мы предлагаем фреймворк, который явно снижает чрезмерную уверенность, вызванную межклассовым пересечением. Фреймворк состоит из двух компонентов: модуля оценки неопределенности на основе возмущений, который применяет контролируемые параметрические возмущения для генерации разнообразных прогнозов и количественной оценки предсказательной неопределенности; а также модуль обнаружения неизвестных с отдельными обучаемыми классификаторами, реализованный в виде двухэтапного процесса.