BEDCM:融合一致伪标签、分布校准与边界未知增强的开放集少样本人脸识别框架

《Electronics》:An Energy-Guided Distribution Calibration Method for Open-Set Few-Shot Face Recognition

【字体: 大 中 小 】 时间:2026年09月25日 来源:Electronics 2.9

编辑推荐:

   开放集少样本人脸识别(OSFSFR)既要求从稀缺样本中具备强泛化能力,又要求能可靠地拒绝未知样本。现有方法在预训练后丢弃基类知识,而伪标注方法则受制于标签噪声和基类-新类分布差异。我们提出了BEDCM,一个包含四种策略的统一框架:(1)基于一致性的伪标签质量评估,筛选高置信度

  开放集少样本人脸识别(OSFSFR)既要求从稀缺样本中具备强泛化能力,又要求能可靠地拒绝未知样本。现有方法在预训练后丢弃基类知识,而伪标注方法则受制于标签噪声和基类-新类分布差异。我们提出了BEDCM,一个包含四种策略的统一框架:(1)基于一致性的伪标签质量评估,筛选高置信度样本并将低质量样本重新用作未知增强信号;(2)从基类统计信息中生成分类内虚拟特征的分布校准;(3)在类原型之间合成具有挑战性的样本来形成分布外集合的边界-未知增强;(4)缓解类别不平衡的轻量级先验logit校正。能量边界约束在训练过程中扩大了已知样本与未知增强样本之间的能量分离。在CASIA和IJB-C上的实验表明,BEDCM在严格的假接受率(0.1%和1%)下取得了具有竞争力的性能,相较于现有方法具有持续的优势。阈值扰动分析进一步证实了阈值敏感性的降低。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号