Fugu-MT 論文翻訳(概要): An optimization method for out-of-distribution anomaly detection models

論文の概要: An optimization method for out-of-distribution anomaly detection models

arxiv url: http://arxiv.org/abs/2302.00939v1
Date: Thu, 2 Feb 2023 08:29:10 GMT
ステータス: 処理完了
システム内更新日: 2023-02-03 14:46:47.091190
Title: An optimization method for out-of-distribution anomaly detection models
Title（参考訳）: 分布外異常検出モデルの最適化法
Authors: Ji Qiu, Hongmei Shi, Yu Hen Hu, and Zujun Yu
Abstract要約: 頻繁な誤報は、産業アプリケーションにおける教師なし異常検出アルゴリズムの促進を妨げている。 SVMベースの分類器は後処理モジュールとして利用され、オブジェクトレベルでの異常マップから誤報を識別する。
参考スコア（独自算出の注目度）: 6.075775003017512
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Frequent false alarms impede the promotion of unsupervised anomaly detection algorithms in industrial applications. Potential characteristics of false alarms depending on the trained detector are revealed by investigating density probability distributions of prediction scores in the out-of-distribution anomaly detection tasks. An SVM-based classifier is exploited as a post-processing module to identify false alarms from the anomaly map at the object level. Besides, a sample synthesis strategy is devised to incorporate fuzzy prior knowledge on the specific application in the anomaly-free training dataset. Experimental results illustrate that the proposed method comprehensively improves the performances of two segmentation models at both image and pixel levels on two industrial applications.
Abstract（参考訳）: 頻繁な誤報は、産業応用における教師なし異常検出アルゴリズムの推進を妨げる。分布異常検出タスクにおける予測スコアの密度確率分布を調べることにより、訓練された検出器による誤報の電位特性を明らかにする。 SVMベースの分類器は後処理モジュールとして利用され、オブジェクトレベルでの異常マップから誤報を識別する。さらに、サンプル合成戦略を考案し、異常のないトレーニングデータセットに特定の応用に関するファジィ事前知識を組み込む。実験結果から,提案手法は2つの産業アプリケーションにおける画像および画素レベルの2つのセグメンテーションモデルの性能を総合的に改善することを示した。

関連論文リスト

Unsupervised Anomaly Detection Using Diffusion Trend Analysis [48.19821513256158]
本稿では, 劣化度に応じて, 復元傾向の分析により異常を検出する手法を提案する。提案手法は,産業用異常検出のためのオープンデータセット上で検証される。
論文参考訳（メタデータ） (2024-07-12T01:50:07Z)
An Improved Anomaly Detection Model for Automated Inspection of Power Line Insulators [0.0]
電力系統の信頼性を確保するためには絶縁体の検査が重要である。検査プロセスを自動化するために、ディープラーニングがますます活用されています。本稿では,異常検出とオブジェクト検出の2段階的アプローチを提案する。
論文参考訳（メタデータ） (2023-11-14T11:36:20Z)
Open-Vocabulary Video Anomaly Detection [57.552523669351636]
監視の弱いビデオ異常検出(VAD)は、ビデオフレームが正常であるか異常であるかを識別するためにビデオレベルラベルを利用する際、顕著な性能を達成した。近年の研究は、より現実的な、オープンセットのVADに取り組み、異常や正常なビデオから見えない異常を検出することを目的としている。本稿ではさらに一歩前進し、未確認および未確認の異常を検知・分類するために訓練済みの大規模モデルを活用することを目的とした、オープン語彙ビデオ異常検出(OVVAD)について検討する。
論文参考訳（メタデータ） (2023-11-13T02:54:17Z)
CL-Flow:Strengthening the Normalizing Flows by Contrastive Learning for Better Anomaly Detection [1.951082473090397]
コントラスト学習と2D-Flowを組み合わせた自己教師付き異常検出手法を提案する。本手法は,主流の教師なし手法と比較して,検出精度が向上し,モデルパラメータが減少し,推論速度が向上することを示す。 BTADデータセットでは,MVTecADデータセットでは画像レベルのAUROCが99.6%,BTADデータセットでは画像レベルのAUROCが96.8%であった。
論文参考訳（メタデータ） (2023-11-12T10:07:03Z)
Active anomaly detection based on deep one-class classification [9.904380236739398]
我々は,Deep SVDDにおけるアクティブラーニングの2つの重要な課題,すなわちクエリ戦略と半教師付きラーニング手法に対処する。まず、単に異常を識別するのではなく、適応境界に従って不確実なサンプルを選択する。第2に、ラベル付き正規データと異常データの両方を効果的に組み込むために、一級分類モデルの訓練にノイズコントラスト推定を適用した。
論文参考訳（メタデータ） (2023-09-18T03:56:45Z)
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)
Clustering Aided Weakly Supervised Training to Detect Anomalous Events in Surveillance Videos [20.368114998124295]
ランダムなバッチ選択機構を含む複数のコントリビューションを有する弱教師付き異常検出システムを提案する。ラベルノイズを緩和し,異常領域と正常領域の表現学習を改善するために,クラスタリング損失ブロックを提案する。提案手法の大規模解析は,3つの一般的な異常検出データセットを用いて行われる。
論文参考訳（メタデータ） (2022-03-25T15:18:19Z)
Explainable Deep Few-shot Anomaly Detection with Deviation Networks [123.46611927225963]
本稿では,弱い教師付き異常検出フレームワークを導入し,検出モデルを訓練する。提案手法は,ラベル付き異常と事前確率を活用することにより,識別正規性を学習する。我々のモデルはサンプル効率が高く頑健であり、クローズドセットとオープンセットの両方の設定において最先端の競合手法よりもはるかに優れている。
論文参考訳（メタデータ） (2021-08-01T14:33:17Z)
ESAD: End-to-end Deep Semi-supervised Anomaly Detection [85.81138474858197]
正規データと異常データの間のKL偏差を計測する新たな目的関数を提案する。提案手法は,複数のベンチマークデータセットの最先端性能を著しく上回っている。
論文参考訳（メタデータ） (2020-12-09T08:16:35Z)
Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。我々は,再建基準の代替として,異常スコアの代替尺度を提案した。提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文参考訳（メタデータ） (2020-03-24T08:26:58Z)

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。