推向极限：利用自编码器发现图像数据中的边缘案例
计算机视觉与模式识别
2019-10-08 v1 机器学习
图像与视频处理
摘要
在本文中，我们关注大规模图像数据集中语义变化因子的识别问题。通过在图像数据上训练卷积自编码器，我们创建了编码，其在比像素空间更高层次的抽象上描述每个数据点。随后我们对编码应用主成分分析以解耦数据中的变化因子。根据各个主成分的值对数据集排序，我们发现分布两端（高值与低值）的样本常共享特定的语义特征。我们将这些样本组称为语义组。当应用于真实世界数据时，该方法有助于发现不期望的边缘案例。
引用
@article{arxiv.1910.02713,
title = {Push it to the Limit: Discover Edge-Cases in Image Data with Autoencoders},
author = {Ilja Manakov and Volker Tresp},
journal= {arXiv preprint arXiv:1910.02713},
year = {2019}
}
备注
Accepted as a workshop paper at MEDNeurIPS 2019