論文の概要: Asymmetric Distillation Post-Segmentation Method for Image Anomaly Detection

• arxiv url: http://arxiv.org/abs/2210.10495v1
• Date: Wed, 19 Oct 2022 12:04:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 14:46:23.256296
• Title: Asymmetric Distillation Post-Segmentation Method for Image Anomaly Detection
• Title（参考訳）: 画像異常検出のための非対称蒸留後分離法
• Authors: Peng Xing, Zechao Li
• Abstract要約: 本研究では,教師ネットワークにおける入力の非対称構造と識別的特徴を探索する非対称蒸留ポストセグメンテーション(ADPS)手法を提案する。 3つのベンチマークデータセットによる実験結果から,ADPSは最先端の異常セグメンテーション結果が得られることが示された。
• 参考スコア（独自算出の注目度）: 28.100204573591505
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge distillation-based anomaly detection methods generate same outputs for unknown classes due to the symmetric form of the input and ignore the powerful semantic information of the output of the teacher network since it is only used as a "reference standard". Towards this end, this work proposes a novel Asymmetric Distillation Post-Segmentation (ADPS) method to effectively explore the asymmetric structure of the input and the discriminative features of the teacher network. Specifically, a simple yet effective asymmetric input approach is proposed to make different data flows through the teacher and student networks. The student network enables to have different inductive and expressive abilities, which can generate different outputs in anomalous regions. Besides, to further explore the semantic information of the teacher network and obtain effective discriminative boundaries, the Weight Mask Block (WMB) and the post-segmentation module are proposede. WMB leverages a weighted strategy by exploring teacher-student feature maps to highlight anomalous features. The post-segmentation module further learns the anomalous features and obtains valid discriminative boundaries. Experimental results on three benchmark datasets demonstrate that the proposed ADPS achieves state-of-the-art anomaly segmentation results.
• Abstract（参考訳）: 知識蒸留に基づく異常検出手法は、入力の対称形式によって未知のクラスに対して同じ出力を生成し、参照基準としてのみ使用されるため、教師ネットワークの出力の強力な意味情報を無視する。 そこで本研究では,教師ネットワークの非対称構造と識別特性を効果的に探索する,新しい非対称蒸留ポストセグメンテーション(ADPS)法を提案する。 具体的には,教師と生徒のネットワークを通して異なるデータの流れを流すための,単純かつ効果的な非対称な入力手法を提案する。 学生ネットワークは、異なる誘導能力と表現能力を持ち、異常領域で異なる出力を生成することができる。 さらに,教師ネットワークのセマンティック情報を探究し,効果的な識別境界を求めるために,ワイトマスクブロック(WMB)とポストセグメンテーションモジュールを提案する。 WMBは教師が学習する特徴マップを探索し、異常な特徴を強調することで重み付け戦略を活用する。 セグメント化後モジュールは、さらに異常な特徴を学習し、有効な判別境界を得る。 3つのベンチマークデータセットによる実験結果から,ADPSは最先端の異常セグメンテーション結果が得られることが示された。

関連論文リスト

• Dual-Modeling Decouple Distillation for Unsupervised Anomaly Detection [15.89869857998053]
  教師ネットワークへの学生ネットワークの過度な一般化は、異常の表現能力に無視できない違いをもたらす可能性がある。 既存の手法では, 生徒と教師を構造的観点から区別することで, オーバージェネリゼーションの可能性に対処する。 本稿では,非教師付き異常検出のためのDual-Modeling Deouple Distillation (DMDD)を提案する。
  論文  参考訳（メタデータ） (2024-08-07T16:39:16Z)
• DFMSD: Dual Feature Masking Stage-wise Knowledge Distillation for Object Detection [6.371066478190595]
  DFMSDと呼ばれる新しい二重特徴マスキングヘテロジニアス蒸留フレームワークがオブジェクト検出のために提案されている。 マスキング強化戦略とステージワイズ学習を組み合わせて特徴マスキング再構築を改善する。 オブジェクト検出タスクの実験は、我々のアプローチの可能性を実証する。
  論文  参考訳（メタデータ） (2024-07-18T04:19:14Z)
• Structural Teacher-Student Normality Learning for Multi-Class Anomaly Detection and Localization [17.543208086457234]
  SNL(Structure Teacher-Student Normality Learning)と呼ばれる新しいアプローチを導入する。 提案手法をMVTecADとVisAの2つの異常検出データセットで評価した。 この方法では, MVTecADが3.9%, MVTecADが1.5%, VisAが1.2%, 2.5%と, 最先端の蒸留アルゴリズムをはるかに上回っている。
  論文  参考訳（メタデータ） (2024-02-27T00:02:24Z)
• Dual-Student Knowledge Distillation Networks for Unsupervised Anomaly Detection [2.06682776181122]
  学生教師ネットワーク(S-T)は教師なしの異常検出に好まれる。 しかし、バニラS-Tネットワークは安定ではない。 本稿では,新しい知識蒸留アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-02-01T09:32:39Z)
• Subject-Independent Deep Architecture for EEG-based Motor Imagery Classification [0.5439020425819]
  脳波(EEG)に基づく運動脳波(MI)分類は、非侵襲的脳-コンピュータインタフェース(BCI)システムにおいて広く用いられている手法である。 我々は、新しい主題に依存しない半教師付き深層構造(SSDA)を提案する。 提案されたSSDAは、教師なし要素と教師なし要素の2つの部分から構成される。
  論文  参考訳（メタデータ） (2024-01-27T23:05:51Z)
• Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
  連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。 提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-12-19T15:34:52Z)
• Weakly Supervised Semantic Segmentation via Alternative Self-Dual Teaching [82.71578668091914]
  本稿では,分類とマスク・リファインメント・コンポーネントを統合された深層モデルに組み込む,コンパクトな学習フレームワークを確立する。 本稿では,高品質な知識相互作用を促進するために,新たな自己双対学習(ASDT)機構を提案する。
  論文  参考訳（メタデータ） (2021-12-17T11:56:56Z)
• Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
  半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。 SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
  論文  参考訳（メタデータ） (2021-12-12T06:11:16Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)
• MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
  本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。 マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。 本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
  論文  参考訳（メタデータ） (2020-05-15T10:37:02Z)

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。