[可复现性报告] 可解释深度单类分类
计算机视觉与模式识别
2023-12-05 v2 机器学习
机器学习
摘要
全卷积数据描述（FCDD）是超球面分类器（HSC）的可解释版本，可直接处理图像异常检测（AD）与像素级 AD，而无需任何事后解释器方法。作者声称 FCDD 在 Fashion-MNIST 和 CIFAR-10 的样本级 AD 上取得了与最先进水平相当的结果，并在 MVTec-AD 的像素级任务上超越了最先进水平。我们使用作者代码并作微小改动复现了论文的主要结果，并提供了所需的运行资源（CPU 内存、GPU 内存和训练时间）。我们提出了另一种使用临界差异图的的分析方法，并进一步研究了模型在训练阶段的测试性能。
引用
@article{arxiv.2206.02598,
title = {[Reproducibility Report] Explainable Deep One-Class Classification},
author = {Joao P. C. Bertoldo and Etienne Decencière},
journal= {arXiv preprint arXiv:2206.02598},
year = {2023}
}
备注
Submitted to the ML Reproducibility Challenge 2021 Fall