基于 GAN 的新颖性检测
计算机视觉与模式识别
2018-03-01 v1
摘要
分类器识别未知输入的能力对许多基于分类的系统十分重要。我们讨论同时进行分类和新颖性检测的问题，即确定一个输入是来自已知的类集合且来自哪个具体类，还是来自未知域且不属于任何已知类。我们提出一种基于生成对抗网络(GAN)框架的方法。我们证明，用一个从名义数据和新颖数据分布的混合中生成样本的生成器训练的多类判别器是最优的新颖性检测器。我们用以特征匹配(Feature Matching)损失训练的混合生成器来近似该生成器，并凭经验表明所提方法优于常规的新颖性检测方法。我们的发现展示了 GAN 框架在新颖性检测任务中一个简单却强大的新应用。
引用
@article{arxiv.1802.10560,
title = {Novelty Detection with GAN},
author = {Mark Kliger and Shachar Fleishman},
journal= {arXiv preprint arXiv:1802.10560},
year = {2018}
}