소개

ICLR 2018에서 다음 논문
[1] L. Deecke, et. al. "ANOMALY DETECTION WITH GENERATIVE ADVERSARIAL NETWORKS"
요약

논문 페이지
htps : //오페렌ゔぃ에w. 네 t/흠 m? 아니 d = S1에 fylZ0Z

관련 기사로 GANs를 사용한 모델 anoGAN 요약
htps : // 이 m / 설마 46 / ms / 09 에 4 13 097 68174cd

특히 anoGAN과의 차이라는 관점에서 정리

개요

우선 anoGAN과 같은 점.

GANs를 사용한 이상 감지 모델

GAN이 정상 데이터를 생성하도록 학습 한 후 주어진 이미지에 해당하는 노이즈를 탐색하여 이미지가 정상인지 비정상인지를 결정합니다

.

다음 anoGAN과 다른 점.

노이즈 검색 단계에서 $ z $의 초기 값을 여러 개 취하고 비정상적인 점수를 계산할 때 평균값을 사용합니다

.

노이즈 탐색 단계에서 생성기 매개 변수 업데이트

노이즈 검색 및 비정상적인 점수 계산에 discriminator 출력 (또는 중간 레이어 출력)을 사용하지 않음

노이즈 탐색 단계의 알고리즘

다음 ([1] algorithm 1)은 노이즈 탐색 단계에서의 알고리즘입니다.



손실: $l$
generator 매개변수: $\theta$
소음: $z$

노이즈 탐색 학습

anoGAN과 마찬가지로 노이즈 $ z $를 그라디언트 강하 방법으로 업데이트합니다.

z_{j,l} \leftarrow z_{j,l-1} - \gamma \cdot \nabla_{z_{j,l-1}} l (g_{\theta_{j,l-1}} (z_{j,l-1}), x)

anoGAN과 달리 generator의 파라미터도 갱신한다.

\theta_{j,l} \leftarrow \theta_{j,l-1} - \gamma_{\theta} \cdot \nabla_{\theta_{j,l-1}} l (g_{\theta_{j,l-1}} (z_{j,l-1}), x)

generator의 파라미터까지 갱신해 버려 괜찮습니까? 라는 의문이 솟을 것이다. 갱신된 $g'(z)$ 는 정상치로 학습한 $g(z)$ 와는 다르므로, 그러면 정상·이상의 판정을 할 수 있을까? 그리고.

그 근처, Bojanowski [2] 라든지에 쓰여져있는 것 같지만, 제대로 읽지 않습니다.

비정상적인 점수 계산

anoGAN과 달리 검색은 $z$의 초기값을 바꾸어 $n_{seed}$회 실시한다. 비정상적인 점수는 이러한 평균값입니다.

A(x) = \frac{1}{n_{seed}} \sum^{n_{seed}}_{j=1} {l}(g_{\theta_{j,l-1}} (z_{j,l-1}), x)

참조

[2] P. Bojanowski, et. al."Optimizing the Latent Space of Generative Networks"