参考:https://arxiv.org/pdf/2306.15880.pdf
对这几个概念一直有点模糊和混淆,在这片综述中有针对性的解释。
open-set: 训练只用到已知类数据。希望测试时可以识别出已知类类和未知类(不继续做分类,已知类以外的类别通称为未知类)
zero-shot learning:训练只用到已知类数据。测试时只识别未知类,并对未知类进行区分
open-vocabulary:训练只用到已知类数据。测试时同时识别已知类和未知类,并对未知类进行区分
OOD:训练的数据分布与测试的数据分布不一致
open-world:感觉跟增量学习相关