20年单类别(One-Class)分类全面综述论文，从2001到2020

本文提供了针对视觉识别的单类别分类OCC的经典统计和基于深度学习的最新方法的全面调研。详细并讨论了现有OCC方法的优缺点，还介绍了OCC的常用数据集和评估指标。

单类别分类（One-Class Classification，OCC）是多类别分类的一种特殊情况，其中训练期间观察到的数据来自单个阳性类。OCC的目标是学习一种表示法和/或一个分类器，该分类器和/或分类器可以在推理过程中识别正标记的查询。近年来，这个主题在计算机视觉，机器学习和生物特征学领域引起了相当大的兴趣。在本文中，我们提供了针对视觉识别的经典统计和基于深度学习的最新OCC方法的调查。我们讨论了现有OCC方法的优缺点，并确定了该领域研究的有希望的途径。此外，我们还讨论了OCC的常用数据集和评估指标。

https://www.zhuanzhi.ai/paper/65b2f00c35574ec550abefa501485937

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“OC20” 可以获取《20年单类别(One-Class)分类全面综述论文，从2001到2020》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“阅读原文”，了解使用专知，查看获取5000+AI主题知识资源