2. 書誌情報: Anomaly Detection by Latent Regularized Dual
Adversarial Networks
n とにかく検知精度がハンパない
n CIFAR10でAUC0.9以上はやばい
n 問題設定:
n あるクラスを分布内として,それ以外のク
ラスを分布外としたとき,テストデータで
どれだけ分布外データを検知できるか
n 分布外検知のスタンダードな設定
n ツイートリンク先
n https://twitter.com/shinmura0/status/122562
7508931878912
8. 提案⼿法: Dual autoencoder loss
n XはAE2の再構成X’’と近づくように学習する⼀⽅で,X’はAE2の再構成画像X’’’から離れるよ
うに学習する (今回の⼿法の新規性)
9. 実験: MNIST(上図) + CIFAR10(下図)
n 異常スコアは元画像と
AE2(AE1(元画像))との差を⽤いる
n 他の⼿法と⽐べても特に
CIFAR10(下図)で圧倒的
n ⾃分の知る限りDADGT[NIPS,
2018]が最強だったイメージだっ
たが,これを超えている
n DADGTは以前紹介している
n https://www.slideshare.net/ssuser9
eb780/nips-2018-139360134