用于单类分类的深度特征学习
计算机视觉与模式识别
2019-10-02 v2
摘要
我们针对单类分类中的特征学习问题提出了一种基于深度学习的解决方案。所提方法构建于任选的卷积神经网络(CNN)之上，在保持给定类别特征空间内低类内方差的同时生成具有描述性的特征。为此，提出了紧致性损失与描述性损失两个损失函数，以及一种并行CNN架构。引入基于模板匹配框架以简化测试过程。在公开可用的异常检测、新颖性检测和移动主动认证数据集上的大量实验表明，所提出的深度单类(DOC)分类方法相比当前最优(SOTA)取得了显著改进。
引用
@article{arxiv.1801.05365,
title = {Learning Deep Features for One-Class Classification},
author = {Pramuditha Perera and Vishal M. Patel},
journal= {arXiv preprint arXiv:1801.05365},
year = {2019}
}
备注
Accepted to appear in Transactions in Image Processing