Autoencoder+GAN で異常検出する. ある1クラスのデータ (論文では画像) だけを訓練データにして, ハズレクラスかどうかを検出する (One-Class Classifier).
入力データ \(x \in X\) にノイズを加えたデータを \(\tilde{x}\) とする. 次の2つの和が損失関数.
つまり \(R\) はノイズを除去する autoencoder. \(D\) はオリジナルか復元データかを判別する機械.
要するに autoencoder 部分が GAN で言う generator なわけだが, その作り方にそもそもオリジナル画像 (にノイズを加えたあと頑張って除去したもの) を使ってるので, そもそも正解に近いデータである.
\(D\) のみでなく, \[D(R(\tilde{x}))\] の値で検出する.
\(R\) は正常なデータはより \(D\) に正しく判別してもらうための補正をする能力があるはずだから.
MNIST の "1" で訓練する. この \(R\) に画像を入れると "1" っぽくなる.