文件名称：ALOCC-CVPR2018:对抗性学习的新颖性检测一类分类器（ALOCC）
文件大小：89.12MB
文件格式：ZIP
更新时间：2024-06-16 20:35:06
Python
对抗性学习的新颖性检测一类分类器（ALOCC-CVPR2018） 这项工作的灵感来自生成对抗网络（GAN）的成功，该网络可在无人监督和半监督情况下训练深度模型。 我们为一类分类提出了一种端到端的体系结构。 该体系结构由两个深层网络组成，每个深层网络通过相互竞争进行训练，同时共同协作以了解目标类中的基础概念，然后对测试样本进行分类。 一个网络用作新颖性检测器，而另一个网络则通过增强内部样本并扭曲异常值来支持它。 直觉是，增强后的离群值和失真的离群值的可分离性比决定原始样本要好得多。 这是灰度数据库上代码的初步版本。 如有任何疑问，请随时与我联系。 概述 注意：当前软件可与TensorFlow 1.2一起很好地运行 先决条件 Windows，Linux或macOS 的Python 3 CPU或NVIDIA GPU + CUDA CuDNN 入门 安装 从安装TensorFlow
【文件预览】：
ALOCC-CVPR2018-master
----presentation()
--------cvpr18_poster_ALOCC.jpg(16.39MB)
--------ALOCC-M2LSchool-khalooei.pdf(2.46MB)
----SIFTETS.npy(7.79MB)
----train.py(5KB)
----imgs()
--------architecture.jpg(56KB)
--------overview.jpg(96KB)
--------MNIST__ALOCC_generated.jpg(121KB)
--------MNIST__ALOCC_input.jpg(151KB)
--------UCSD__ALOCC_generated.jpg(164KB)
--------UCSD__ALOCC_input.jpg(354KB)
----test.py(8KB)
----ops.py(4KB)
----utils.py(12KB)
----models.py(21KB)
----LICENSE(1KB)
----README.md(5KB)
----kh_tools.py(15KB)
----cvpr18_poster_ALOCC.pdf(2.51MB)
----.gitignore(1KB)
----checkpoint()
--------mnist_128_28_28()
--------UCSD_128_45_45()
----cvpr18_paper_ALOCC.pdf(664KB)