OCmst：基于卷积神经网络与最小生成树的单类新颖性检测
机器学习
2020-03-31 v1 计算机视觉与模式识别
机器学习
摘要
我们提出一种称为单类最小生成树（OCmst）的新模型，用于新颖性检测问题，该模型使用卷积神经网络（CNN）作为深度特征提取器，以及基于最小生成树（MST）的图模型。在新颖性检测场景中，训练数据未被异常类（离群点）污染，目标是识别测试实例属于正常类还是异常类。我们的方法使用来自 CNN 的深度特征来构建一对从每个测试实例出发的 MST。为减少计算时间，我们使用参数 来指定从测试实例的邻点出发的 MST 的大小。为证明所提方法的有效性，我们在文献中两个公开可用数据集上进行了实验，并在 CIFAR10 数据集上取得了 SOTA 结果。
引用
@article{arxiv.2003.13524,
title = {OCmst: One-class Novelty Detection using Convolutional Neural Network and Minimum Spanning Trees},
author = {Riccardo La Grassa and Ignazio Gallo and Nicola Landro},
journal= {arXiv preprint arXiv:2003.13524},
year = {2020}
}
备注
16 pages