半教師ありAnomaly Detection（異常検知）に関する論文を提出・投稿しました

柳原です。２週間ほど前になりますが、エンジニアの木村（主著者）と一緒に論文を作成し、学会へ提出し、Arxivにも投稿しました。

Semi-supervised Anomaly Detection Using GANs for Visual Inspection in Noisy Training Data

https://arxiv.org/abs/1807.01136

異常検知の手法では、教師あり（ラベル付きデータ）か、教師なし（正例のみ扱う外れ値検知）が主となりますが、今回の論文では、後者について負例も活用することで精度をあげるアプローチについて提案しています。

論文中では、GANが良品画像の分布を学ぶという行為は、JSD（Jensen–Shannon divergence)を最小化する行為と一致する、という証明から、負例により訓練画像の分布をより正例のみの分布に近づけることができる、という理論的整合性を経て、実際に他手法よりも精度があがったことを確認しています。

どんなことをやっているのか、理論的に興味ある方は覗いてみてください。

Ridge-iでは、こういったリサーチ・研究に特化したエンジニアや、アカデミックな側面での発表やコミュニティへの貢献を応援しておりますので、興味がある方はご応募ください。

柳原

（校正する時間がもっとあれば、もっとこなれた英語にしたり、Experimentsも増やせたと思いますが、Submit Due Dateがある論文だったので、少々時間切れでした。。。）