論文の概要: Continual Learning Approaches for Anomaly Detection

• arxiv url: http://arxiv.org/abs/2212.11192v1
• Date: Wed, 21 Dec 2022 17:08:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-22 15:12:04.672998
• Title: Continual Learning Approaches for Anomaly Detection
• Title（参考訳）: 異常検出のための連続学習手法
• Authors: Davide Dalle Pezze, Eugenia Anello, Chiara Masiero, Gian Antonio Susto
• Abstract要約: 本研究では,連続学習環境における異常検出のためのフレームワークとして,圧縮再生を行う新しい手法を提案する。 提案手法は,我々の知る限り,連続学習環境において初めて研究されるスーパーレゾリューションモデルを用いて,原画像のスケールと圧縮を行う。 提案手法を検証するために,画素ベースの異常のある実世界の画像データセットを用いて,連続学習の文脈における異常検出のための信頼性の高いベンチマークを提供する。
• 参考スコア（独自算出の注目度）: 2.599882743586164
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Anomaly Detection is a relevant problem that arises in numerous real-world applications, especially when dealing with images. However, there has been little research for this task in the Continual Learning setting. In this work, we introduce a novel approach called SCALE (SCALing is Enough) to perform Compressed Replay in a framework for Anomaly Detection in Continual Learning setting. The proposed technique scales and compresses the original images using a Super Resolution model which, to the best of our knowledge, is studied for the first time in the Continual Learning setting. SCALE can achieve a high level of compression while maintaining a high level of image reconstruction quality. In conjunction with other Anomaly Detection approaches, it can achieve optimal results. To validate the proposed approach, we use a real-world dataset of images with pixel-based anomalies, with the scope to provide a reliable benchmark for Anomaly Detection in the context of Continual Learning, serving as a foundation for further advancements in the field.
• Abstract（参考訳）: 異常検出は、多くの現実のアプリケーション、特に画像を扱う場合に発生する、関連する問題である。 しかし,継続的な学習環境において,この課題についてはほとんど研究されていない。 本研究では,SCALing is Enough(SCALing is Enough)と呼ばれる新しい手法を導入し,連続学習環境における異常検出のためのフレームワークで圧縮再生を行う。 提案手法は,我々の知識を最大限に活用し,連続学習環境で初めて研究するスーパーレゾリューションモデルを用いて,原画像のスケールと圧縮を行う。 SCALEは高いレベルの画像再構成品質を維持しながら高いレベルの圧縮を実現することができる。 他の異常検出手法と組み合わせることで、最適な結果が得られる。 提案手法を検証するために,画素ベースの異常を持つ画像の実世界データセットを用いて,連続学習の文脈における異常検出のための信頼性の高いベンチマークを提供し,この分野のさらなる発展の基盤となる。

関連論文リスト

• Meta-Exploiting Frequency Prior for Cross-Domain Few-Shot Learning [86.99944014645322]
  クロスドメインなFew-Shot学習のための新しいフレームワーク,Meta-Exploiting Frequency Priorを導入する。 各クエリ画像を高周波および低周波成分に分解し,特徴埋め込みネットワークに並列に組み込む。 本フレームワークは、複数のドメイン間数ショット学習ベンチマークにおいて、最先端の新たな結果を確立する。
  論文  参考訳（メタデータ） (2024-11-03T04:02:35Z)
• Dual-Image Enhanced CLIP for Zero-Shot Anomaly Detection [58.228940066769596]
  本稿では,統合視覚言語スコアリングシステムを活用したデュアルイメージ強化CLIP手法を提案する。 提案手法は,画像のペアを処理し,それぞれを視覚的参照として利用することにより,視覚的コンテキストによる推論プロセスを強化する。 提案手法は視覚言語による関節異常検出の可能性を大幅に活用し,従来のSOTA法と同等の性能を示す。
  論文  参考訳（メタデータ） (2024-05-08T03:13:20Z)
• Unveiling the Anomalies in an Ever-Changing World: A Benchmark for Pixel-Level Anomaly Detection in Continual Learning [4.790817958353412]
  連続学習環境における画素レベル異常検出の問題点について検討する。 新しいデータは時間とともに到着し、新しいデータや古いデータでうまく機能することがゴールだ。 アプローチを検証するために、ピクセルベースの異常のある実世界の画像データセットを使用する。
  論文  参考訳（メタデータ） (2024-03-19T15:53:57Z)
• Exploring Deep Learning Image Super-Resolution for Iris Recognition [50.43429968821899]
  重畳自動エンコーダ(SAE)と畳み込みニューラルネットワーク(CNN)の2つの深層学習単一画像超解法手法を提案する。 精度評価と認識実験により,1.872個の近赤外虹彩画像のデータベースを用いて評価を行い,比較アルゴリズムよりも深層学習の方が優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-02T13:57:48Z)
• Self-Supervised Endoscopic Image Key-Points Matching [1.3764085113103222]
  本稿では,深層学習技術に基づく内視鏡画像マッチングのための新しい自己教師型アプローチを提案する。 提案手法は,手作りの標準的なローカル特徴記述子よりも精度とリコールの点で優れていた。
  論文  参考訳（メタデータ） (2022-08-24T10:47:21Z)
• Region-level Active Learning for Cluttered Scenes [60.93811392293329]
  本稿では,従来の画像レベルのアプローチとオブジェクトレベルのアプローチを一般化した領域レベルのアプローチに仮定する新たな戦略を提案する。 その結果,本手法はラベル付けの労力を大幅に削減し,クラス不均衡や散らかったシーンを生かしたリアルなデータに対する希少なオブジェクト検索を改善することが示唆された。
  論文  参考訳（メタデータ） (2021-08-20T14:02:38Z)
• A survey of active learning algorithms for supervised remote sensing image classification [5.384800591054857]
  効率的なトレーニングセットを定義することは、リモートセンシングイメージ分類ルーチンの成功の最も繊細なフェーズの1つです。 アクティブラーニングは、サンプリングを通じてモデルのパフォーマンスを反復的に改善することで、効率的なトレーニングセットの構築を目指しています。 本稿では、アクティブ学習アルゴリズムの主なファミリであるコミッション、大きなマージン、後方確率ベースをレビューおよびテストする。
  論文  参考訳（メタデータ） (2021-04-15T21:36:59Z)
• Deep Keypoint-Based Camera Pose Estimation with Geometric Constraints [80.60538408386016]
  連続するフレームから相対的なカメラのポーズを推定することは、視覚計測の基本的な問題である。 本稿では,検出,特徴抽出,マッチング,外乱除去のための学習可能なモジュールで構成されるエンドツーエンドのトレーニング可能なフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-29T21:41:31Z)
• One-Shot Object Detection without Fine-Tuning [62.39210447209698]
  本稿では,第1ステージのMatching-FCOSネットワークと第2ステージのStructure-Aware Relation Moduleからなる2段階モデルを提案する。 また,検出性能を効果的に向上する新たなトレーニング戦略を提案する。 提案手法は,複数のデータセット上で一貫した最先端のワンショット性能を上回る。
  論文  参考訳（メタデータ） (2020-05-08T01:59:23Z)
• When deep denoising meets iterative phase retrieval [5.639904484784126]
  従来の位相の検索アルゴリズムはノイズが存在する場合に苦しむが、クリーンなデータを与えると世界収束を示す。 ここでは,位相探索からの反復的手法とディープデノイザからの画像統計とを,正規化によるデノジングにより組み合わせる。 得られた手法は各手法の利点を継承し、他のノイズロス位相探索アルゴリズムより優れている。
  論文  参考訳（メタデータ） (2020-03-03T21:00:45Z)

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。