Fugu-MT 論文翻訳(概要): Sub-Image Anomaly Detection with Deep Pyramid Correspondences

論文の概要: Sub-Image Anomaly Detection with Deep Pyramid Correspondences

arxiv url: http://arxiv.org/abs/2005.02357v3
Date: Wed, 3 Feb 2021 16:28:51 GMT
ステータス: 処理完了
システム内更新日: 2022-12-06 13:41:33.788957
Title: Sub-Image Anomaly Detection with Deep Pyramid Correspondences
Title（参考訳）: 深いピラミッド対応によるサブ画像異常検出
Authors: Niv Cohen and Yedid Hoshen
Abstract要約: 近接近傍(kNN)法は画像全体に適用した場合に非常に強い異常検出性能を示す。本稿では,異常画像と類似画像の一定数とのアライメントに基づく新しい異常分割手法を提案する。提案手法は,多分解能特徴ピラミッドを用いたセマンティックピラミッド異常検出 (SPADE) である。
参考スコア（独自算出の注目度）: 39.59606869996232
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Nearest neighbor (kNN) methods utilizing deep pre-trained features exhibit very strong anomaly detection performance when applied to entire images. A limitation of kNN methods is the lack of segmentation map describing where the anomaly lies inside the image. In this work we present a novel anomaly segmentation approach based on alignment between an anomalous image and a constant number of the similar normal images. Our method, Semantic Pyramid Anomaly Detection (SPADE) uses correspondences based on a multi-resolution feature pyramid. SPADE is shown to achieve state-of-the-art performance on unsupervised anomaly detection and localization while requiring virtually no training time.
Abstract（参考訳）: 深部事前学習特徴を用いた近距離近傍(kNN)法は,画像全体に適用した場合,非常に強い異常検出性能を示す。 kNN手法の制限は、画像内の異常がどこにあるかを記述するセグメンテーションマップの欠如である。本研究では,異常画像と類似の正規画像の一定数とのアライメントに基づく,新しい異常分割手法を提案する。提案手法は,多分解能特徴ピラミッドを用いたセマンティックピラミッド異常検出 (SPADE) である。 SPADEは、ほとんど訓練時間を要さずに、教師なし異常検出と位置決めの最先端性能を実現する。

関連論文リスト

DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2023-12-11T18:38:28Z)
Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
論文参考訳（メタデータ） (2023-11-27T13:14:06Z)
Don't Miss Out on Novelty: Importance of Novel Features for Deep Anomaly Detection [64.21963650519312]
異常検出(AD)は、正規性の学習モデルに適合しない観察を識別する重要なタスクである。本稿では, 入力空間における説明不能な観測として, 説明可能性を用いた新しいAD手法を提案する。当社のアプローチでは,複数のベンチマークにまたがる新たな最先端性を確立し,さまざまな異常な型を扱う。
論文参考訳（メタデータ） (2023-10-01T21:24:05Z)
FRE: A Fast Method For Anomaly Detection And Segmentation [5.0468312081378475]
本稿では,視覚異常検出とセグメンテーション問題を解決するための原理的アプローチを提案する。本稿では,事前学習したDNNが生み出す中間特性に対する線形統計量次元削減手法の適用について述べる。高次元空間における原特徴と低次元縮小埋め込みの前像との差の$ell$-normのEmphfeature reconstruction error (FRE) が異常検出に極めて有効であることを示す。
論文参考訳（メタデータ） (2022-11-23T01:03:20Z)
PNI : Industrial Anomaly Detection using Position and Neighborhood Information [6.316693022958221]
本研究では,条件付き近傍特徴量を用いて正規分布を推定する新しいアルゴリズム textbfPNI を提案する。我々はMVTec ADベンチマークデータセットの実験を行い、異常検出と局所化におけるtextbf99.56%と textbf98.98%のAUROCスコアを用いて最先端のパフォーマンスを達成した。
論文参考訳（メタデータ） (2022-11-22T23:45:27Z)
Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
論文参考訳（メタデータ） (2022-06-23T14:16:30Z)
DR{\AE}M -- A discriminatively trained reconstruction embedding for surface anomaly detection [14.234783431842542]
識別訓練された再構成異常埋め込みモデル(DRAEM)を提案する。 DRAEMは、異常画像とその異常のない再構成の合同表現を学習し、同時に、正常例と異常例の判定境界を学習する。挑戦的なMVTec異常検出データセットでは、DRAEMは現在の最先端の教師なし手法よりも大きなマージンで優れている。
論文参考訳（メタデータ） (2021-08-17T13:17:29Z)
MLF-SC: Incorporating multi-layer features to sparse coding for anomaly detection [2.2276675054266395]
画像の異常は、カーペットの上の小さな穴から大きな汚れまで、様々なスケールで発生する。広く使われている異常検出方法の1つであるスパースコーディング(sparse coding)は、画像のスパース表現に使用されるパッチサイズから外れた異常を扱う際に問題となる。本稿では,マルチスケール機能をスパース符号化に取り入れ,異常検出の性能を向上させることを提案する。
論文参考訳（メタデータ） (2021-04-09T10:20:34Z)
Unsupervised Anomaly Detection and Localisation with Multi-scale Interpolated Gaussian Descriptors [31.02818044068126]
2つの問題に対処するために,教師なしの異常検出と局所化手法を提案する。本稿では,正規画像の低表示クラスに対して頑健な正規画像分布推定手法を提案する。また,マルチスケール構造および非構造的異常を正確に検出・局在化可能な新しい異常識別基準を提案する。
論文参考訳（メタデータ） (2021-01-25T12:38:51Z)
PaDiM: a Patch Distribution Modeling Framework for Anomaly Detection and Localization [64.39761523935613]
本稿では,画像中の異常を同時検出・ローカライズするPatch Distribution Modeling, PaDiMを提案する。 PaDiMは、パッチの埋め込みに事前訓練された畳み込みニューラルネットワーク(CNN)を使用している。また、CNNの異なるセマンティックレベル間の相関を利用して、異常のローカライズも改善している。
論文参考訳（メタデータ） (2020-11-17T17:29:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。