Adversarial autoencoders for novelty detection

Valentin Leveau 1 Alexis Joly 1
1 ZENITH - Scientific Data Management
LIRMM - Laboratoire d'Informatique de Robotique et de Microélectronique de Montpellier, CRISAM - Inria Sophia Antipolis - Méditerranée
Abstract : In this paper, we address the problem of novelty detection, i.e recognizing at test time if a data item comes from the training data distribution or not. We focus on Adversarial autoencoders (AAE) that have the advantage to explicitly control the distribution of the known data in the feature space. We show that when they are trained in a (semi-)supervised way, they provide consistent novelty detection improvements compared to a classical autoencoder. We further improve their performance by introducing an explicit rejection class in the prior distribution coupled with random input images to the autoencoder.
Type de document :
Rapport
[Research Report] Inria - Sophia Antipolis. 2017
Liste complète des métadonnées

Littérature citée [10 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01636617
Contributeur : Alexis Joly <>
Soumis le : jeudi 16 novembre 2017 - 17:25:48
Dernière modification le : vendredi 20 juillet 2018 - 22:44:01
Document(s) archivé(s) le : samedi 17 février 2018 - 13:51:33

Fichier

valentin.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01636617, version 1

Citation

Valentin Leveau, Alexis Joly. Adversarial autoencoders for novelty detection. [Research Report] Inria - Sophia Antipolis. 2017. 〈hal-01636617〉

Partager

Métriques

Consultations de la notice

433

Téléchargements de fichiers

361