This repository contains the non-official code for the paper Adversarially Learned One-Class Classifier for Novelty Detection.

• Python 3.6
• Chainer 4.1.0
• CuPy 4.1.0

To train the network on MNIST dataset (target digit = '0'):

$ python train.py --gpu 0 --out result_0 --digit 0

To test the network on MNIST dataset (target digit = '0'-'9', percentage of outliers = 0.5):

$ python test.py --gpu 0 --percent 0.5

$\mathcal{D}(\mathcal{R}(X))$ の方が $\mathcal{D}(X)$ よりも性能が良いことが確認できる．

'1'をターゲットクラスとして学習した場合に，ネットワーク $\mathcal{R}$ によってリコンストラクションされた，ターゲットクラス（'1'）の画像．

'1'をターゲットクラスとして学習した場合に，ネットワーク $\mathcal{R}$ によってリコンストラクションされた，外れ値（'1'を除く'0'-'9'�）の画像．

この実装では，論文中の$F_1$-scoreを再現できていない．考えられる原因としては，以下のハイパーパラメータが不明であることがあげられる．

• ネットワークの構造について，詳細が不明である(padding, stride, Batch Normalizationなど)．
• Optimizerが不明であり(本コードではAdamで実装している)，学習率など各種ハイパーパラメータが不明である．
• 入力画像に加えるノイズ $\eta$ の標準偏差 $\sigma$ が不明である．
• 分類器の外れ値を決める閾値 $\tau$ が不明である．
• 学習を終了するタイミング $\rho$ が不明である．