广义类别发现（GCD）：从理论到实践的图像识别新范式

fff88

748人浏览 · 2026-02-15 04:24:51

fff88 · 2026-02-15 04:24:51 发布

1. 广义类别发现（GCD）是什么？

想象一下，你正在整理一个杂乱无章的照片库。有些照片你已经知道是什么（比如"狗"、"车"），但还有很多照片你从未见过（比如"猫"、"自行车"）。传统方法要么只能识别已知类别，要么只能发现全新类别，而广义类别发现（GCD）可以同时做到这两件事。

GCD的核心思想是：给定一个部分标注的数据集，自动为所有未标注数据分配标签，这些标签可能来自已知类别，也可能是新发现的类别。这就像是一个聪明的婴儿，既能认出父母教过的物体，又能自发地将新物体归类。

与现有技术相比，GCD有几个关键突破：

不再假设未标注数据只来自已知或未知类别
不需要预先知道未知类别的数量
可以同时处理已知和未知类别的识别

2. GCD的核心技术解析

2.1 视觉变换器（ViT）与对比学习

GCD采用视觉变换器（ViT）作为基础架构，这就像给算法装上了"智能眼睛"。ViT的特殊之处在于：

将图像分割成小块（patch）进行处理
通过自注意力机制捕捉全局关系
天生适合对比学习

对比学习就像是教AI玩"找不同"游戏：

# 伪代码示例：对比学习损失
def contrastive_loss(anchor, positive, negatives):
    # anchor: 锚点样本
    # positive: 正样本（与锚点同类）
    # negatives: 负样本（与锚点不同类）
    pos_sim = similarity(anchor, positive)
    neg_sims = [similarity(anchor, neg) for neg in negatives]
    return -log(exp(pos_sim) / (exp(pos_sim) + sum(exp(neg_sims))))

这种训练方式让模型学会：相似的内容在特征空间中靠得更近，不同的内容则相距较远。

2.2 半监督K-means聚类

传统K-means就像盲人摸象，而GCD的半监督版本则是有人指引：

对已知类别，强制保持标签不变
对未知类别，让算法自由探索
迭代优化聚类中心

这个过程可以用厨房整理来类比：

已知调料必须放在指定位置（监督部分）
新调料可以自由归类（无监督部分）
最终所有调料都有合适的位置

2.3 类别数量估计

估计未知类别数量是GCD的一大挑战。想象你要准备晚宴，但不知道会来多少客人。GCD的解决方案是：

先用已知类别测试不同"座位数"（k值）
找到让已知客人最舒服的座位安排
将这个规律推广到未知客人

这种方法在实际测试中，对CIFAR10等数据集误差不超过10%，即使在细粒度分类场景下，平均误差也只有18.9%。

3. GCD与传统方法的对比

3.1 与图像分类的差异

传统图像分类就像只会背答案的学生：

所有训练数据都有标签
测试时只能识别学过的类别
遇到新类别就束手无策

GCD则像会举一反三的学霸：

部分数据有标签
能识别已知类别
还能自主发现新类别

3.2 与半监督学习的比较

半监督学习有个严格假设：未标注数据都来自已知类别。这就像老师确定所有未批改的作业都是学过的问题。

GCD打破了这个限制，允许未标注数据包含全新类别，更贴近现实场景。

3.3 与新类别发现（NCD）的区别

NCD假设未标注数据只来自新类别，这就像考古学家只关注未知文物。GCD则同时处理新旧类别，更像是整理既有传家宝又发现新古董的收藏家。

实验数据显示，GCD在标准数据集上比NCD方法提升9.3%绝对准确率，在细粒度分类任务中提升幅度更高达27%。

4. GCD的实际应用场景

4.1 医学图像分析

在医疗领域，GCD可以：

识别已知病症（如常见肿瘤）
发现新型病变
自动归类未标注的医学影像

例如在病理切片分析中，系统既能识别已知癌症类型，又能将异常组织自动聚类，帮助医生发现潜在新亚型。

4.2 自动驾驶视觉系统

自动驾驶车辆面临复杂环境：

需要识别已知物体（汽车、行人）
还要处理罕见或新型物体（特殊工程车、动物）

GCD让系统能够：

可靠识别标准交通参与者
将未知物体合理归类
持续扩展认知能力

4.3 零售商品管理

超市商品管理面临挑战：

已知商品需要准确识别
新品上架需要快速归类
商品变种层出不穷

GCD解决方案：

基于部分标注数据训练
自动识别标准商品
发现并归类新品
适应包装更新和季节变化

5. 实现GCD的实用建议

5.1 数据准备要点

构建GCD系统时，数据要注意：

标注样本覆盖主要类别
未标注数据包含多样性
验证集与训练集类别一致
避免标注偏差影响聚类

建议的标注比例：

通用物体：50%标注
细粒度分类：30-40%标注
长尾数据：头部类别全标注

5.2 模型训练技巧

基于ViT的GCD训练要点：

使用DINO等自监督预训练
微调最后几层即可
对比学习温度参数设为0.1
监督对比权重λ=0.35
训练200个epochs

# 伪代码：GCD训练流程
model = ViT_pretrained()  # 加载预训练ViT
for epoch in range(200):
    for batch in dataloader:
        # 生成两个视图
        view1, view2 = augment(batch)
        
        # 计算对比损失
        loss = contrastive_loss(view1, view2)
        
        # 如果有标注数据，添加监督对比
        if batch.labeled:
            loss += supervised_contrastive_loss(view1, view2)
        
        optimizer.step()