用于新颖性检测的生成模型：在数据序列中异常事件与情境变化检测的应用
计算机视觉与模式识别
2019-04-10 v1
摘要
新颖性检测是一种将某些方面不同于模型训练所用观测的观测区分出来的过程。新颖性检测是良好分类或识别系统的基本要求之一，因为有时测试数据包含训练时未知的观测。换言之，新颖类在训练阶段常常未出现或未被明确定义。鉴于上述，单类分类器和生成方法可有效建模此类问题。然而，由于无法获取来自新颖类的数据，训练端到端模型本身是一项具有挑战性的任务。因此，在无监督和半监督设定下检测新颖类是此类任务中的关键步骤。在本文中，我们提出若干以无监督和半监督方式建模新颖性检测问题的方法。所提框架应用于异常与离群检测任务的不同相关应用。结果显示我们提出的方法相较于基线和 SOTA 方法具有优越性。
引用
@article{arxiv.1904.04741,
title = {Generative Models for Novelty Detection: Applications in abnormal event and situational change detection from data series},
author = {Mahdyar Ravanbakhsh},
journal= {arXiv preprint arXiv:1904.04741},
year = {2019}
}
备注
PhD thesis Feb. 2019