DLM-SVDD

新的 DLM-SVDD 框架增强了视觉异常检测能力

研究人员推出了一种新颖的深度学习框架 DLM-SVDD，用于视觉异常检测。该方法独特地将卷积特征学习与显式的基于核的决策边界相结合，其灵感来源于大间隔 $\ell_p$-支持向量数据描述（$\ell_p$-SVDD）方法。该框架旨在最大化间隔并惩罚松弛变量，同时使表示适应特定任务，即使在数据集不平衡和异常样本稀少的情况下也证明是有效的。在标准基准测试上的实验表明，DLM-SVDD 的性能优于现有方法。