摘要

广义类别发现（GCD）旨在利用从有标签样本中学习到的知识，在未标记的数据集中发现新的类别。以往的研究认为，参数化分类器容易过拟合到已知类别，并推荐使用通过半监督k均值形成的非参数化分类器。然而，在本研究中，我们探讨了参数化分类器失败的原因，验证了在高质量监督条件下先前设计选择的有效性，并确定不可靠的伪标签是一个关键问题。我们展示了两种预测偏差的存在：分类器倾向于更频繁地预测已知类，并且在已知和新类别之间产生了不平衡的分布。基于这些发现，我们提出了一种简单而有效的参数化分类方法，该方法受益于熵正则化，在多个GCD基准测试中取得了最先进的性能，并表现出对未知类别数量的强大鲁棒性。我们希望这项研究和提出的简单框架能够作为强有力的基线，促进该领域的未来研究。我们的代码可在以下地址获取：https://github.com/CVMI-Lab/SimGCD。