利用通道注意力与熵最小化改进自编码器新颖性检测
计算机视觉与模式识别
2021-05-11 v2 机器学习
图像与视频处理
摘要
新颖性检测是一个重要的研究领域，主要解决由正常样本组成的内部样本与由异常样本组成的离群点的分类问题。自编码器常用于新颖性检测。然而，自编码器的泛化能力可能导致异常元素被不期望地重建，并降低模型的识别能力。为解决该问题，我们着眼于更好地重建正常样本并保留正常样本的独有信息，以改进自编码器在新颖性检测中的性能。首先，我们将注意力机制引入该任务。在注意力机制作用下，自编码器可通过对抗训练更加关注内部样本的表达。其次，我们将信息熵应用于隐层以使其稀疏并约束多样性表达。在三个公开数据集上的实验结果表明，所提方法与以往流行方法取得了相当的性能。
引用
@article{arxiv.2007.01682,
title = {Improving auto-encoder novelty detection using channel attention and entropy minimization},
author = {Miao Tian and Dongyan Guo and Ying Cui and Xiang Pan and Shengyong Chen},
journal= {arXiv preprint arXiv:2007.01682},
year = {2021}
}