Deep End-to-End One-Class Classifier

Deep End-to-End One-Class Classifier 摘要 ​ 由于目标类样本的高度多样性以及异常样本（非目标）概念上没有任何监督信号。在一般情况下设计分类器来区分正常样本和异常样本极具有挑战性，本文提出了一种对抗性训练的方法，在一个端到端可训练的深度模块中来检测外分布样本。我们联合训练两个深度神经网络R(重构)和D(鉴别)，在训练过程中，R通过创建对抗性样本来帮助D描述目标类的

>>阅读原文<<