OpenMax算法简介
OpenMax是一种用于深度学习模型的开集识别算法，它能够在模型的输出中区分已知类别和未知类别。该算法的核心思想是利用深度神经网络的倒数第二层（全连接层）的激活向量，通过构建每个类别的平均激活向量（MAV）和距离集（D），进而使用极值理论（EVT）来拟合这些激活向量的分布，从而计算出每个测试样本属于已知类别的概率。如果一个测试样本的概率低于某个阈值，则它被认为是未知类别。
OpenMax的应用
OpenMax算法可以应用于多种场景，例如无人机开集识别、图像分类、文本分类等。在无人机开集识别中，OpenMax可以帮助系统区分合法和非法无人机，提高低空智联网的安全性。在图像分类中，OpenMax可以帮助模型识别出那些在训练集中未出现过的新类别，从而提高模型的泛化能力
OpenMax的优势
OpenMax算法的优势在于它能够有效地处理未知类别的识别问题，这在实际应用中非常重要。传统的闭集识别方法只能识别出训练集中已知的类别，而OpenMax可以通过学习已知类别的分布，推断出未知类别的存在，从而提高系统的识别准确率和安全性。
OpenMax的局限性
尽管OpenMax算法在开集识别方面具有明显优势，但它也存在一些局限性。例如，OpenMax算法需要大量的已知类别数据来训练模型，而且在处理高度复杂的数据时，模型的性能可能会受到影响。此外，OpenMax算法的计算复杂度相对较高，可能不适用于实时或资源受限的应用场景。
相关文章
《Towards Open Set Deep Networks》
《Meta-Recognition: The Theory and Practice of Recognition Score Analysis》
相关源码
https://github.com/abhijitbendale/OSDN
https://github.com/Vastlab/libMR