论文速读:Adversarially Learned One-Class Classifier for Novelty Detection [CVPR 2018]
Proposed Approach 本文所用到的网路为两部分,R采用auto encoder ，D 是与R一同构成GAN的Discriminator 部分。 下图为整个网路的系统架构图，整体的想法是： 1. 用 R(ae) 要reconstruction 出input的图像，同时为了使得R更健壮,对R的input 加入了Gaussian noise. 2. 用 D(Discriminator)
相关文章
- 1. Adversarially Learned One-Class Classifier for Novelty Detection
- 2. Adversarially Learned One-Class Classifier for Novelty Detection（用于单类异常检测的对抗学习分类器）
- 3. CVPR 2018 Saliency Detection 论文
- 4. Kernel PCA for Novelty Detection
- 5. CVPR 2018 论文分享会
- 6. Relation Networks for Object Detection [CVPR 2018]
- 7. [CVPR 2018]Maximum Classifier Discrepancy for Unsupervised Domain Adaptation
- 8. CVPR 2018 论文解读（部分）
- 9. 论文解读：Unprocessing Images for Learned Raw Denoising
- 10. 论文速读:Attribute Restoration Framework for Anomaly Detection
- 更多相关文章...
- • C# 文本文件的读写 - C#教程
- • C# 二进制文件的读写 - C#教程
- • JDK13 GA发布：5大特性解读
- • 使用阿里云OSS+CDN部署前端页面与加速静态资源
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Adversarially Learned One-Class Classifier for Novelty Detection
- 2. Adversarially Learned One-Class Classifier for Novelty Detection（用于单类异常检测的对抗学习分类器）
- 3. CVPR 2018 Saliency Detection 论文
- 4. Kernel PCA for Novelty Detection
- 5. CVPR 2018 论文分享会
- 6. Relation Networks for Object Detection [CVPR 2018]
- 7. [CVPR 2018]Maximum Classifier Discrepancy for Unsupervised Domain Adaptation
- 8. CVPR 2018 论文解读（部分）
- 9. 论文解读：Unprocessing Images for Learned Raw Denoising
- 10. 论文速读:Attribute Restoration Framework for Anomaly Detection