論文の概要: Image/Video Deep Anomaly Detection: A Survey

• arxiv url: http://arxiv.org/abs/2103.01739v1
• Date: Tue, 2 Mar 2021 14:15:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-03 16:25:16.708470
• Title: Image/Video Deep Anomaly Detection: A Survey
• Title（参考訳）: Image/Video Deep Anomaly Detection: A Survey
• Authors: Bahram Mohammadi, Mahmood Fathy and Mohammad Sabokrou
• Abstract要約: 異常検出(AD)問題は最近多くの研究者の注目を集めている。 この研究分野での提案方法の数は着実に増加しています。 Deep Neural Networks (DNN) は高性能なソリューションを提供するが、計算コストを犠牲にしている。
• 参考スコア（独自算出の注目度）: 14.191073951237772
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The considerable significance of Anomaly Detection (AD) problem has recently drawn the attention of many researchers. Consequently, the number of proposed methods in this research field has been increased steadily. AD strongly correlates with the important computer vision and image processing tasks such as image/video anomaly, irregularity and sudden event detection. More recently, Deep Neural Networks (DNNs) offer a high performance set of solutions, but at the expense of a heavy computational cost. However, there is a noticeable gap between the previously proposed methods and an applicable real-word approach. Regarding the raised concerns about AD as an ongoing challenging problem, notably in images and videos, the time has come to argue over the pitfalls and prospects of methods have attempted to deal with visual AD tasks. Hereupon, in this survey we intend to conduct an in-depth investigation into the images/videos deep learning based AD methods. We also discuss current challenges and future research directions thoroughly.
• Abstract（参考訳）: 異常検出(AD)問題の重要性は、最近多くの研究者が注目している。 その結果,本研究における提案手法の数は着実に増加している。 ADは、画像/ビデオ異常、不規則性、突然のイベント検出などの重要なコンピュータビジョンおよび画像処理タスクと強く相関します。 最近では、Deep Neural Networks(DNN)は高性能なソリューションを提供していますが、計算コストを犠牲にしています。 しかし,提案手法と適用可能な実語アプローチの間には明らかなギャップがある。 ADが現在進行中の課題である、特に画像やビデオにおける懸念の高まりに対して、視覚的なADタスクに対処する手法の落とし穴と展望について議論する時が来た。 本稿では,画像/ビデオの深層学習に基づくAD手法について,詳細な調査を行う。 また、現在の課題と今後の研究の方向性を徹底的に議論する。

関連論文リスト

• Deep Graph Anomaly Detection: A Survey and New Perspectives [86.84201183954016]
  グラフ異常検出(GAD)は、異常なグラフインスタンス(ノード、エッジ、サブグラフ、グラフ)を特定することを目的とする。 ディープラーニングアプローチ、特にグラフニューラルネットワーク(GNN)は、GADにとって有望なパラダイムとして現れています。
  論文  参考訳（メタデータ） (2024-09-16T03:05:11Z)
• Few-Shot Object Detection: Research Advances and Challenges [15.916463121997843]
  Few-shot Object Detection (FSOD)は、少数の学習技術とオブジェクト検出技術を組み合わせて、注釈付きサンプルに制限のある新しいオブジェクトに迅速に適応する。 本稿では,近年のFSOD分野の進歩を概観する包括的調査を行う。
  論文  参考訳（メタデータ） (2024-04-07T03:37:29Z)
• Open Challenges for Monocular Single-shot 6D Object Pose Estimation [15.01623452269803]
  オブジェクトポーズ推定は、ロボット操作、ビンピック、拡張現実、シーン理解を可能にする非自明なタスクである。 単分子オブジェクトのポーズ推定は、高い性能のディープラーニングベースのソリューションの台頭とともに、かなりの勢いを増した。 我々は、研究者が関連する研究のアイデアを定式化し、技術の現状を効果的に進めるために、有望な研究の方向性を特定する。
  論文  参考訳（メタデータ） (2023-02-23T07:26:50Z)
• Guided Depth Map Super-resolution: A Survey [88.54731860957804]
  誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。 近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。 この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
  論文  参考訳（メタデータ） (2023-02-19T15:43:54Z)
• Deep Industrial Image Anomaly Detection: A Survey [85.44223757234671]
  近年の深層学習の急速な発展は,産業用画像異常検出(IAD)のマイルストーンとなった 本稿では,ディープラーニングによる画像異常検出手法の総合的なレビューを行う。 画像異常検出のオープニング課題をいくつか取り上げる。
  論文  参考訳（メタデータ） (2023-01-27T03:18:09Z)
• Deep Image Deblurring: A Survey [165.32391279761006]
  低レベルのコンピュータビジョンにおいて、デブロアリングは古典的な問題であり、ぼやけた入力画像からシャープなイメージを復元することを目的としている。 近年のディープラーニングの進歩は、この問題の解決に大きな進歩をもたらした。
  論文  参考訳（メタデータ） (2022-01-26T01:31:30Z)
• Object Detection in Aerial Images: What Improves the Accuracy? [9.857292888257144]
  空中画像における物体検出問題に対して,ディープラーニングに基づく物体検出手法が積極的に研究されている。 本研究では,空中物体検出におけるFaster R-CNNの影響について検討し,航空画像の性能向上のための数多くの戦略を探求する。
  論文  参考訳（メタデータ） (2022-01-21T16:22:48Z)
• Fine-Grained Image Analysis with Deep Learning: A Survey [146.22351342315233]
  きめ細かい画像解析(FGIA)は、コンピュータビジョンとパターン認識における長年の根本的な問題である。 本稿では、FGIAの分野を再定義し、FGIAの2つの基礎研究領域、細粒度画像認識と細粒度画像検索を統合することで、FGIAの分野を広げようとしている。
  論文  参考訳（メタデータ） (2021-11-11T09:43:56Z)
• Adversarial Example Detection for DNN Models: A Review [13.131592630524905]
  敵対的な例(AE)の目的は、ディープラーニングモデルを騙すことであり、DLアプリケーションに潜在的なリスクをもたらす。 少数のレビューと調査が出版され、理論的には脅威の分類と対策方法を示した。 このような方法に関する詳細な議論を行い、8つの最先端検出器の実験結果を示す。
  論文  参考訳（メタデータ） (2021-05-01T09:55:17Z)
• Deep Learning for Anomaly Detection: A Review [150.9270911031327]
  本稿では,3つの高レベルカテゴリと11の細粒度カテゴリの進歩を網羅した包括的分類法による深部異常検出の研究について調査する。 我々は、それらの重要な直観、客観的機能、基礎となる仮定、利点とデメリットをレビューし、上記の課題にどのように対処するかについて議論する。
  論文  参考訳（メタデータ） (2020-07-06T02:21:16Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。