利用生成对抗网络改进手势数据中的新颖性检测
机器学习
2023-04-14 v1
摘要
我们提出了一种新方法，利用在生成对抗网络（GAN）框架下训练的人工神经网络（ANNs）来解决词汇外手势的分类问题。生成模型以在线方式用新样本和随机目标向量扩充数据集，而判别模型确定样本类别。该方法在 UC2017 SG 与 UC2018 DualMyo 数据集上进行了评估。生成模型的性能通过生成样本与真实样本间的距离度量来衡量。判别模型则根据其在已训练类别与新类别上的准确率进行评估。在样本生成质量方面，对于所有类别，GAN 的均值距离显著优于随机分布（噪声）。在分类测试中，基线神经网络无法识别未训练手势。当采用所提方法后，我们发现已训练与未训练手势的检测之间存在权衡，部分已训练样本被误判为新颖样本。尽管如此，在已训练类别上仅损失 5% 准确率的情况下，实现了 95.4% 或 90.2%（取决于数据集）的新颖性检测准确率。
引用
@article{arxiv.2304.06696,
title = {Improving novelty detection with generative adversarial networks on hand gesture data},
author = {Miguel Simão and Pedro Neto and Olivier Gibaru},
journal= {arXiv preprint arXiv:2304.06696},
year = {2023}
}