基于单类隐空间正则化网络的异常检测
计算机视觉与模式识别
2020-07-15 v2 图像与视频处理
摘要
异常检测是计算机视觉领域的一个基本问题，具有许多现实应用。给定大量来自某一分布的正常类别图像，该任务的目标是构建模型以检测属于异常样本的离群分布图像。近年来，基于半监督生成对抗网络（GAN）的方法在异常检测任务中日益流行。然而，GAN 的训练过程仍然不稳定且具挑战性。为解决这些问题，本文提出了一种新颖的对抗式双自编码器网络，其中训练数据的底层结构不仅在隐特征空间中被捕获，还能以判别方式在隐表示空间中进一步受限，从而得到更精确的检测器。此外，作为判别器的辅助自编码器可获得更稳定的训练过程。实验表明，我们的模型在 MNIST 和 CIFAR10 数据集以及 GTSRB 停车标志数据集上取得了最先进（state-of-the-art）的结果。
引用
@article{arxiv.2002.01607,
title = {Anomaly Detection by One Class Latent Regularized Networks},
author = {Chengwei Chen and Pan Chen and Haichuan Song and Yiqing Tao and Yuan Xie and Shouhong Ding and Lizhuang Ma},
journal= {arXiv preprint arXiv:2002.01607},
year = {2020}
}