要約
私たちは、特定のクラスからのサンプルが与えられた場合に、クエリ例が同じクラスから来ているかどうかを判定する古典的な一クラス新規性検出問題に対して、新しいモデルOCGANを提案します。私たちの解決策は、ノイズ除去オートエンコーダネットワークを使用して、クラス内の例の潜在表現を学習することに基づいています。本研究の主要な貢献は、潜在空間を明示的に制約し、与えられたクラスのみを表現するように提案することです。この目標を達成するために、まず潜在空間が有界サポートを持つようにするためにエンコーダーの出力層にtanh活性化関数を導入します。次に、潜在空間内で敵対的に訓練された識別器を使用して、クラス内の例の符号化表現が同じ有界空間から均一にランダムに抽出されたサンプルと類似していることを確認します。さらに、入力空間内でもう1つの敵対的な識別器を使用して、ランダムに抽出されたすべての潜在サンプルが実際の例のように見えることを保証します。最後に、勾配降下法に基づくサンプリング技術を導入し、潜在空間内で可能性のあるクラス外例を生成する点を探求します。これらの点から生成された例はネットワークに戻され、それらの点からクラス内の例を生成するためのさらなる訓練を行います。提案手法の効果は、4つの公開データセット上で2種類の一クラス新規性検出プロトコルを使用して測定され、最先端の結果を得ています。