OCFormer：用于图像分类的单类 Transformer 网络
计算机视觉与模式识别
2022-04-26 v1
摘要
我们提出了一种基于视觉 Transformer（ViT）的单类分类深度学习新框架。其核心思想是使用零中心高斯噪声作为潜空间表示的伪负类，随后利用最优损失函数训练网络。在先前工作中，人们付出了巨大努力以使用各类损失函数学习兼具判别性与紧凑性的良好表示。所提出的单类视觉 Transformer（OCFormer）在 CIFAR-10、CIFAR-100、Fashion-MNIST 与 CelebA 眼镜数据集上进行了充分实验。我们的方法相较基于 CNN 的竞争型单类分类器方法取得了显著改进。
关键词
引用
@article{arxiv.2204.11449,
title = {OCFormer: One-Class Transformer Network for Image Classification},
author = {Prerana Mukherjee and Chandan Kumar Roy and Swalpa Kumar Roy},
journal= {arXiv preprint arXiv:2204.11449},
year = {2022}
}