#107
summarized by : Akihiro FUJII
Learning Deep Classifiers Consistent With Fine-Grained Novelty Detection

どんな論文か?

細かい分類を行うFine-Graind分類において新規カテゴリを判別するという難しい問題において、新しい損失関数CCGを提案。最終層の表現を多変量ガウス分布層と仮定し、マハラノビス距離で最小化を行うことでガウス分布になるように強制する。

新規性

理論的に分析された損失関数を提案している。ネットワークの機構ではなく、通常のCE損失に加えて、マハラノビス距離と対数尤度の損失を加えるだけで構築できる。

結果

Stanford dogs, CUB-200などFine-Graind分類問題において、新規クラスを発見するタスクでSotA性能を達成

その他(なぜ通ったか?等)