【論文メモ】Learning and Evaluating Representations for Deep One-class Classification

• One Class Classification、外れ値検知
• ICRL 2021
• Google Cloud AIの人
• 論文：https://arxiv.org/abs/2011.02578
• ブログ：https://ai.googleblog.com/2021/09/discovering-anomalous-data-with-self.html

手法 ：Two-Stage Framework for Deep One-Class Classifcation(DROC)

• 2 stageからなる。1stageではssl手法を使って特徴量を獲得、2stageでは得られた特徴量を使って、one class 分類を行う
• 1 stage ではいくつかのProxy Taskを解かせる
  • rotation prediction
  • Constastive learning
• 通常のContrastive Learningではバッチサイズを大きくすると、特徴量が散らばってしまう。そこで、バッチサイズを小さくする
• また、distibution augmentationを提案する。ここでは、元の画像のrotationしたデータも加えてcontrastive learningを実行する。つまり、rotationデータからさらにデータオーギュメントしてそれらを区別する

• 特徴量のイメージ図。一番右が提案手法

• stage2では、分類を行うが、ここではOne Class SVMとカーネル密度推定を使っている。KDEの勾配を使ってどこを見て判断したかを可視化（Grad-camライク）

実験結果

一番下が提案手法。数値はAUC