- …
- …
#429
summarized by : 金城 忍
どんな論文か？
クラス単位で、正規直交系ベクトル用意し、それぞれに対してサンプルの特徴量との類似度を取ることでサンプル毎の特徴量をグルーピングして、互いが線形独立な部分空間を作成し、それぞれの第1主成分を利用して、分布外検知を実施する提案
新規性
バタチャリヤ距離の特性を利用するために、正規直交系ベクトルの特性を利用し低次元の部分空間を作成し、更にそれぞれの第1主成分を利用して、外れ値に頑健な分布外検知するという点で新規
結果
CIFAR-{10, 100}で学習したWideResNetを使用し、Cropping、Resizeを適用したTinyImagenet、LSUNでの評価では提案手法が既存の手法より良い結果を達成し、またドメイン毎のスペクトルの違いでは、内・外で明らかに異なる振る舞いをすることも確認した
その他（なぜ通ったか？等）
- …
- …