申请/专利权人：百度(美国)有限责任公司

申请日：2020-12-24

公开（公告）日：2024-06-25

公开（公告）号：CN113496247B

主分类号：G06F18/214

分类号：G06F18/214;G06N3/0464;G06F18/23213

优先权：["20200403 US 16/840,303"]

专利状态码：有效-授权

法律状态：2024.06.25#授权;2021.10.29#实质审查的生效;2021.10.12#公开

摘要：本公开公开了估计生成对抗网络的隐含似然，涉及计算机学习领域。深度模型和生成模型的繁荣为高维分布建模提供了方法。生成对抗网络GAN可以近似数据分布并从学习的数据流形生成数据样本。本文提供估计GAN模型的隐含似然的实施例。在一个或多个实施例中，借助于生成器的方差网络学习生成器的稳定逆函数。样本分布的局部方差可以通过潜在空间中的归一化距离来近似。对数据集的模拟研究和似然测试验证了实施例，其在这些任务中优于几种基线方法。还将一个实施例应用于异常检测。实验表明，本文实施例可以实现最先进技术水平的异常检测性能。

主权项：1.一种用于利用生成对抗网络系统进行异常图像检测的计算机实现的方法，所述生成对抗网络系统包括生成器网络、鉴别器网络、推断网络和方差网络，所述方法包括：使用所述推断网络获得与一组输入图像相对应的一组潜在变量值，所述推断网络已被训练以将输入图像映射到潜在变量值，所述潜在变量值使用训练的生成器网络被映射回至流形中的输入图像的区域内的值；将所述一组潜在变量值输入到所述生成器网络和所述方差网络中，所述生成器网络和所述方差网络已经被训练以将潜在变量映射到捕获输入空间中的局部区域不确定性的方差值；使用关于所述一组潜在变量值的所述生成器网络和所述方差网络的一个或多个雅可比矩阵来确定一组黎曼度量矩阵；和使用所述一组黎曼度量矩阵和所述一组潜在变量值的对数似然值来确定所述一组输入图像的对数似然值；使用所述对数似然值中的至少一些来确定与所述一组输入图像相对应的对应异常分数；以及响应于异常分数不超过阈值，将与异常分数对应的输入图像指定为异常；其中训练所述生成对抗网络系统的步骤包括以下步骤：响应于未达到停止条件，重复用于训练所述生成对抗网络系统的步骤，所述步骤包括：从输入图像集中采样小批量输入图像样本；从潜在变量先验分布中采样第一小批量潜在变量值；使用小批量输入图像样本、第一小批量潜在变量值和第一损失函数更新所述鉴别器网络；从所述潜在变量先验分布中采样第二小批量潜在变量值；使用第二小批量潜在变量值和第二损失函数更新所述生成器网络；从所述输入图像集中采样第二小批量输入图像样本；使用第二小批量潜在变量值和第三损失函数更新所述推断网络和所述方差网络；从所述潜在变量先验分布中采样第三小批量潜在变量值；以及使用第三小批量潜在变量值和第四损失函数更新所述推断网络和所述生成器网络；以及响应于达到停止条件，输出训练的生成器网络、训练的推断网络和训练的方差网络；其中所述第三损失函数包括：输入图像样本和将使用所述推断网络获得的潜在变量值的估计作为输入的输入图像样本的生成器网络估计之间的差；对于输入图像样本，使用对使用所述推断网络和输入图像样本获得的潜在变量值的估计进行操作的方差网络确定的方差值。

全文数据：

权利要求：

百度查询： 百度(美国)有限责任公司 估计生成对抗网络的隐含似然

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD