基于对抗自编码器的生成式概率新颖性检测
计算机视觉与模式识别
2021-02-23 v2 机器学习
摘要
新颖性检测是判断一个新数据点被视为内点还是离群点的问题。我们假定仅有训练数据可用于描述内点分布。近期方法主要利用深度编码器-解码器网络架构来计算重建误差，该误差用于计算新颖性分数或训练单类分类器。尽管我们也利用此类新颖网络，我们采取概率方法并有效计算一个样本由内点分布生成的可能性。我们通过两项主要贡献实现这一点。首先，我们使新颖性概率的计算可行，因为我们线性化了捕捉内点分布底层结构的参数化流形，并展示该概率如何分解并可相对于流形切空间的局部坐标计算。其次，我们改进了自编码器网络的训练。大量结果表明该方法在多个基准数据集上达到了最先进的性能。
引用
@article{arxiv.1807.02588,
title = {Generative Probabilistic Novelty Detection with Adversarial Autoencoders},
author = {Stanislav Pidhorskyi and Ranya Almohsen and Donald A Adjeroh and Gianfranco Doretto},
journal= {arXiv preprint arXiv:1807.02588},
year = {2021}
}