開集識別（Open-set Recognition）是什麼？

異常檢測分類

術語快查

搜尋意圖： 如果你在找「開集識別是什麼」或「開集識別和相近概念差在哪」，先看這頁的短定義、完整說明與延伸比較。

TL;DR： 分類任務中測試集包含訓練集未見過的類別，模型需識別『這是一個未知類別』的問題。

實用情境： 適合用在閱讀 AI 文章、產品文件或和同事討論時，先用一頁快速對齊概念。

下一步： 先讀完定義，再往下看延伸比較與對應工具，把概念轉成實際應用。

分類任務中測試集包含訓練集未見過的類別，模型需識別『這是一個未知類別』的問題。

開集識別（Open-set Recognition）是應對現實世界「開放環境」的分類方法，與實驗室常見的「閉集」假設（訓練與測試類別相同）截然不同。現實世界中，類別是開放的：總有新的未知類別可能出現。

開集識別 vs. 閉集識別

閉集識別（傳統分類）：

假設訓練集和測試集的類別完全相同。
模型必須為每個測試樣本分配到某個已知類別（沒有「拒絕」選項）。
Softmax 輸出是機率分布，總和為 1，必然為某個類別賦予最高機率。

開集識別：

測試集可能包含訓練未見過的類別（未知類或開集類）。
模型需識別『這個樣本屬於未知類別』，而非盲目分配到已知類別。
引入「拒絕」或「未知」作為額外的預測選項。

開集識別的核心難點

類別邊界的定義：傳統分類在已知類別間定義邊界；開集識別需定義『已知類別的邊界』：超出這個邊界的統稱未知。邊界太緊會誤判已知類為未知，邊界太鬆會誤認未知類為已知。
未知類別的多樣性：訓練階段無法接觸未知類別，測試時出現的未知類可能極為多樣（與已知類距離近或遠），單一的邊界難以適應所有未知。
特徵空間覆蓋率：閉集假設下模型只需覆蓋已知類的特徵空間；開集環境中，模型需要識別『這個特徵點位於已知類聚集區之外』。

開集識別的主要方法

1. 距離度量與閾值法

在特徵空間定義已知類別的邊界，超出邊界的判為未知：

Euclidean Distance：計算樣本特徵與各已知類別中心的距離，最近距離超過閾值則判為未知。簡單但易受特徵分布非球形影響。
Mahalanobis Distance：考慮類別內的共變異數，更精確地定義『多少距離才算遠』。
Cosine Distance：在歸一化特徵空間中度量距離，適合角度而非距離反映相似性的場景。

2. 開集 SVM（Open-set SVM）

標準 SVM 在閉集下訓練，開集 SVM 擴展為：

在特徵空間中為每個已知類定義一個「週圍球體」（Weibull model），表示該類的『密集區域』。
測試樣本若不在任何球體內，判為未知。
可根據樣本到各球體邊界的『距離和角度』綜合判斷。

3. Weibull 分布與極值理論

利用極值理論（Extreme Value Theory）建模已知類的特徵邊界：

訓練時，對每個類別，收集該類樣本到類別中心的距離，用 Weibull 分布擬合。
測試時，計算未知樣本到各已知類中心的距離，用 Weibull 分布評估『該樣本是否可能來自該類』。
若所有類別的 Weibull 機率都很低，判為未知。
這個方法理論優美、實證有效，是開集識別領域的經典方法。

4. 開集深度神經網路

端到端深度學習方法：

W-net（Weibull-calibrated Network）：在深度網路的高層特徵上應用 Weibull 分布，端到端訓練。
開集損失函數：設計專門的損失函數，既優化已知類的分類，又推開未知類。例如，中心損失（Center Loss）使已知類樣本緊密聚集在各自類別中心附近，測試時遠離所有中心的樣本判為未知。
開集對比學習：在對比學習框架中，一邊拉近已知類的正對，一邊推遠未知樣本，習得對開集敏感的表示。

5. 集成與多階段方法

結合多種判據提升可靠性：

多通道集成：結合置信度（Softmax 機率）、特徵距離、能量函數等多個指標，通過加權或投票判斷是否為未知。
閾值自適應：根據應用場景（如醫療：寧可誤報未知，不要誤判為已知疾病）動態調整開集邊界。

6. 先驗知識與輔助信息

若有關於可能出現的未知類別的先驗：

相似未知類：若已知未來可能出現與訓練類相似的未知類（如訓練了 10 種動物，測試時可能出現其他動物），可在訓練時引入「相似但非目標類」的數據，習得更精確的邊界。
層級結構：利用類別的層級結構（如動物->哺乳動物->貓科），定義邊界時考慮層級資訊。

開集識別的評估指標

多元素準確率（Accuracy）：同時評估已知類的分類準確率與未知類的拒絕率。通常定義為 (已知類正確 + 未知類正確) / 總數。
開集 F1 Score：平衡精確率與召回率，避免任一方面過差。
開集指數（Open-set Index, OSI）：更精細的評估，分別考量已知類準確率與未知類拒絕率，加權綜合。
ROC 曲線：固定已知類識別率，觀察未知類的誤警率。

開集識別的應用場景

人臉識別與驗證：識別已知人員，對陌生人識別為『不在已知清單中』。
異常檢測：機器故障診斷中，訓練樣本只覆蓋常見故障模式，測試時出現未見過的故障型態。
自動駕駛：識別道路標牌與障礙物，對新型號車輛、交通工具予以『不確認』而非誤分類。
垃圾郵件分類：識別已知垃圾郵件類型，對新穎垃圾策略識別為『未知垃圾型態』。
入侵偵測：網路安全中，檢測已知攻擊模式，對新型攻擊識別為『異常』。

常見問題

開集識別和異常檢測（Anomaly Detection）有什麼區別？

異常檢測著眼於『識別偏離正常分布的樣本』，通常是無監督或僅用正常樣本訓練，測試時任何偏異就標記為異常。開集識別則著眼於『識別已知類別外的樣本』，通常在多個已知類別上進行監督訓練，測試時需區分『這是哪個已知類』還是『這是未知類』。異常檢測是一元分類（正常 vs. 異常），開集識別是多元分類（已知多類 vs. 未知）。在應用中，兩者往往結合：先用異常偵測識別『有異常』，再用開集識別判斷『是已知類中的邊界樣本』還是『完全未知類』。

Weibull 分布為什麼適合建模開集邊界？

Weibull 分布（Weibull Distribution）是極值理論中的經典分布，擅長建模『最大值或最小值的分布』。在開集識別中，我們關心『一個樣本到已知類中心的距離有多遠』，本質上是在距離這個『最值』上做推理。Weibull 分布能自然地表示『該類型的樣本距離中心通常多遠』（尺度參數）和『距離分布是否集中還是分散』（形狀參數）。訓練時，收集該類所有樣本的距離，擬合 Weibull 參數；測試時，未知樣本到某已知類的距離若對應的 Weibull 機率很低（『這個距離在該類是罕見的』），則判為不屬於該類，進而是未知。相比簡單的距離閾值，Weibull 基於機率論，更魯棒且可解釋。

如何處理『近距離未知』（與已知類視覺相似的未知類）？

近距離未知是開集識別最困難的情況（如訓練了貓，測試時出現老虎）。簡單的距離度量無法區分，因為老虎在特徵空間中就在貓附近。主要應對策略：第一，在訓練時引入『相似干擾』：如訓練 10 類狗，同時引入『其他犬科動物（狐狸等）』作為開集類樣本，學習更精細的邊界。第二，增加特徵判別性：使用對比學習或中心損失，使已知類聚集，類間距離最大化，同時未知類被推遠。第三，多層級決策：結合語義信息（如分類層級：貓=肉食性動物, 老虎也是肉食性但屬科差異大），分層判斷。第四，接受部分誤差：在實際應用中，對於最相似的未知類，往往設定允許某個比例的誤判率（如 10%），以換取對其他未知類更高的拒絕率。