基于对抗式双自编码器的异常检测
计算机视觉与模式识别
2019-02-20 v1
摘要
近年来，基于半监督与无监督生成对抗网络（GAN）的方法在异常检测任务中日益流行。然而，GAN 训练颇具挑战且不稳定。受先前基于 GAN 的图像生成工作启发，我们引入了一种基于 GAN 的异常检测框架——对抗式双自编码器（ADAE）——由作为生成器与判别器的两个自编码器组成，以提升训练稳定性。我们还采用判别器重建误差作为异常分数以获得更好的检测性能。在不同复杂程度数据集上的实验有力表明，该模型鲁棒且可用于不同场景，其中之一为脑肿瘤检测。
引用
@article{arxiv.1902.06924,
title = {Anomaly Detection with Adversarial Dual Autoencoders},
author = {Ha Son Vu and Daisuke Ueta and Kiyoshi Hashimoto and Kazuki Maeno and Sugiri Pranata and Sheng Mei Shen},
journal= {arXiv preprint arXiv:1902.06924},
year = {2019}
}