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
- 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 [55.52743265122446]
ディープオートエンコーダは視覚領域における異常検出のタスクに使われてきた。
我々は、訓練中に識別情報を使用することが可能な自己指導型学習体制を適用することで、この問題に対処する。
MVTec ADデータセットを用いた実験では,高い検出性能と局所化性能を示した。
論文 参考訳(メタデータ) (2022-06-23T14:16:30Z) - Anomaly Detection by Leveraging Incomplete Anomalous Knowledge with
Anomaly-Aware Bidirectional GANs [15.399369134281775]
異常検出の目標は、正常なサンプルから異常なサンプルを特定することである。
本稿では,少数の異常がトレーニング段階で利用可能であることが想定されているが,これらは複数の異常タイプからのみ収集されていると推定されている。
本稿では,通常のサンプルをモデル化するだけでなく,収集した異常に対して低密度値の割り当てを保証できる確率分布の学習を提案する。
論文 参考訳(メタデータ) (2022-04-28T08:12:49Z) - 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) - SLA$^2$P: Self-supervised Anomaly Detection with Adversarial
Perturbation [77.71161225100927]
異常検出は、機械学習の基本的な問題であるが、難しい問題である。
本稿では,非教師付き異常検出のための新しい強力なフレームワークであるSLA$2$Pを提案する。
論文 参考訳(メタデータ) (2021-11-25T03:53:43Z) - 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。
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。