基于投影切片 Wasserstein 自编码器的高光谱图像异常检测
计算机视觉与模式识别
2022-03-22 v3
摘要
异常检测（AD）一直是多个领域的活跃研究方向。然而，日益增长的数据规模、复杂性与维度使传统方法面临挑战。近来，深度生成模型如变分自编码器（VAE）重新激发了人们对 AD 问题的兴趣。然而，用作正则化的概率分布散度过强，导致模型无法捕捉真实数据的流形。本文提出基于投影切片 Wasserstein（PSW）自编码器的异常检测方法。PSW 距离根植于最优传输，相较于 -散度是一种更弱的分布度量。特别地，利用易于计算的特征分解方法来寻找主成分以切片高维数据。如此，即便先验分布非高斯，也可闭式计算 Wasserstein 距离。在多个真实世界高光谱异常检测基准上进行的全面实验证明了所提方法的优越性能。
引用
@article{arxiv.2112.11243,
title = {Projected Sliced Wasserstein Autoencoder-based Hyperspectral Images Anomaly Detection},
author = {Yurong Chen and Hui Zhang and Yaonan Wang and Q. M. Jonathan Wu and Yimin Yang},
journal= {arXiv preprint arXiv:2112.11243},
year = {2022}
}
备注
I need revise this paper