- Unsupervised Anomaly Detection with Generative Adversarial Networks to Guide Marker Discovery
- https://arxiv.org/abs/1703.05921
まず下準備として，正常な画像を訓練データとして使い，GANを学習させる．
学習後のGANの はlatent space representations
から正常な画像
への写像を学習している．
そしてテスト画像 に対する異常さを評価するために，
とみて，
から
を探す．
でも
の逆写像は簡単にはできない．
そこで から
を探すために，
をランダムにサンプリングして，
を生成し，
との誤差が小さくなるよう
を学習させる．
このときはもちろんGやDのパラメータは固定．
学習させて収束した後の誤差をテスト画像
の異常さの度合いとして評価する。
その他
誕生日のパラドックスを使ってGANの多様性を評価する研究とアイデアが似ている。
また、この論文では前半部のGの学習はできていて、Gが正常画像の分布を生成できる前提のもとで、後半の異常検知の話が進んでいるが、 そもそも論文で使っているDCGANだとあまり訓練データの多様な分布を生成できないのではと感じた。
この論文は会社の方に教えていただいたもの．
今のところ仕事として機械学習には関わったことがないが，
趣味として勉強している様子が遠回りで会社の方に伝わったようで最終的に繋がりが持てたのは嬉しい．
と、ブログっぽいことを書いてみる。
