单类卷积神经网络
计算机视觉与模式识别
2019-01-28 v1
摘要
我们提出了一种基于卷积神经网络 (CNN) 的单类分类新方法。其核心思想是在潜在空间中使用零中心高斯噪声作为伪负类，并使用交叉熵损失训练网络，以学习给定类的良好表示以及决策边界。所提出方法的一个关键特征是，任何预训练的 CNN 都可以用作单类分类的基础网络。所提出的单类 CNN (OC-CNN) 在 UMDAA-02 Face、Abnormality-1001 和 FounderType-200 数据集上进行了评估。这些数据集涉及各种单类应用问题，如用户认证、异常检测和新颖性检测。大量实验表明，所提出的方法相较于近期的 state-of-the-art 方法取得了显著提升。源代码获取地址：github.com/otkupjnoz/oc-cnn。
引用
@article{arxiv.1901.08688,
title = {One-Class Convolutional Neural Network},
author = {Poojan Oza and Vishal M. Patel},
journal= {arXiv preprint arXiv:1901.08688},
year = {2019}
}