論文の概要: Neighborhood Averaging for Improving Outlier Detectors

• arxiv url: http://arxiv.org/abs/2303.09972v1
• Date: Fri, 17 Mar 2023 13:44:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-20 14:35:38.830752
• Title: Neighborhood Averaging for Improving Outlier Detectors
• Title（参考訳）: 外乱検知器改善のための周辺平均化
• Authors: Jiawei Yang, Susanto Rahardja, Pasi Franti
• Abstract要約: 近傍平均化(NA)と呼ばれる,外乱検出のための外乱検出後処理手法を提案する。 我々は、よく知られたk-nearest neighbors(k-NN)を用いたNAの効果を実証する。
• 参考スコア（独自算出の注目度）: 6.07963799001047
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: We hypothesize that similar objects should have similar outlier scores. To our knowledge, all existing outlier detectors calculate the outlier score for each object independently regardless of the outlier scores of the other objects. Therefore, they do not guarantee that similar objects have similar outlier scores. To verify our proposed hypothesis, we propose an outlier score post-processing technique for outlier detectors, called neighborhood averaging(NA), which pays attention to objects and their neighbors and guarantees them to have more similar outlier scores than their original scores. Given an object and its outlier score from any outlier detector, NA modifies its outlier score by combining it with its k nearest neighbors' scores. We demonstrate the effectivity of NA by using the well-known k-nearest neighbors (k-NN). Experimental results show that NA improves all 10 tested baseline detectors by 13% (from 0.70 to 0.79 AUC) on average evaluated on nine real-world datasets. Moreover, even outlier detectors that are already based on k-NN are also improved. The experiments also show that in some applications, the choice of detector is no more significant when detectors are jointly used with NA, which may pose a challenge to the generally considered idea that the data model is the most important factor. We open our code on www.outlierNet.com for reproducibility.
• Abstract（参考訳）: 類似した対象が類似した外れ値を持つべきだと仮定する。 我々の知る限り、既存の外れ値検出器は全て、他のオブジェクトの外れ値によらず、各オブジェクトの外れ値を計算する。 したがって、類似のオブジェクトが同様の外れ値を持つことを保証しない。 提案する仮説を検証するために,物体とその近傍に注意を払って,元のスコアよりも類似した外れ値を持つことを保証する,近傍平均化(na)と呼ばれる異常値検出のための外れ値後処理手法を提案する。 物体とその外れ値が任意の外れ値検出器から与えられると、NAはその外れ値と最も近い隣人のスコアを組み合わせてその外れ値を変更する。 我々は、よく知られたk-nearest neighbors (k-NN)を用いてNAの効果を示す。 実験の結果、NAは9つの実世界のデータセットで評価された平均10基のベースライン検出器を13%(0.70から0.79 AUC)改善した。 また、既にk-nnに基づく異常検出器も改善されている。 実験によっては、検出器がNAと共同で使用される場合、検出器の選択はもはや重要ではないことが示され、これはデータモデルが最も重要な要素であるという一般的な考え方に挑戦する可能性がある。 再現性のためにwww.outlierNet.comでコードを開きます。

関連論文リスト

• Rank-DETR for High Quality Object Detection [52.82810762221516]
  高性能なオブジェクト検出器は、バウンディングボックス予測の正確なランキングを必要とする。 本研究では, 簡易かつ高性能なDETR型物体検出器について, 一連のランク指向設計を提案して紹介する。
  論文  参考訳（メタデータ） (2023-10-13T04:48:32Z)
• Nearest Neighbor Guidance for Out-of-Distribution Detection [18.851275688720108]
  そこで本研究では,最寄りのNearest Neighbor Guidance (NNGuide) を用いて,オフ・オブ・ディストリビューション(OOD) サンプルの検出を行う。 NNGuideは、分類器ベースのスコアのきめ細かい機能を維持しながら、OODサンプルの過信を低減する。 この結果から,NNGuideはベース検出スコアを大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2023-09-26T12:40:35Z)
• Cascade-DETR: Delving into High-Quality Universal Object Detection [99.62131881419143]
  高品質な普遍物体検出のためのカスケードDETRを提案する。 本稿では,オブジェクト中心情報を検出デコーダに明示的に統合するカスケードアテンション層を提案する。 最後に、多様なドメインから10のデータセットを含む汎用オブジェクト検出ベンチマークUDB10を紹介する。
  論文  参考訳（メタデータ） (2023-07-20T17:11:20Z)
• Normalizing Flow based Feature Synthesis for Outlier-Aware Object Detection [8.249143014271887]
  Faster R-CNNのような汎用オブジェクト検出器は、外れ値のオブジェクトに対して過信的な予測を提供する傾向にある。 我々は,不整形オブジェクトと不整形オブジェクトを区別する,新しい不整形オブジェクト検出フレームワークを提案する。 提案手法は,画像データとビデオデータの両方において,外部認識オブジェクト検出の最先端性を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-02-01T13:12:00Z)
• Out-of-Distribution Detection with Hilbert-Schmidt Independence Optimization [114.43504951058796]
  異常検出タスクはAIの安全性において重要な役割を担っている。 ディープニューラルネットワーク分類器は通常、アウト・オブ・ディストリビューション(OOD)の入力を、信頼性の高いイン・ディストリビューション・クラスに誤って分類する傾向がある。 我々は,OOD検出タスクにおいて実用的かつ理論的に有効な代替確率論的パラダイムを提案する。
  論文  参考訳（メタデータ） (2022-09-26T15:59:55Z)
• IPOF: An Extremely and Excitingly Simple Outlier Detection Booster via Infinite Propagation [30.91911545889579]
  外部検出は、データマイニング分野で最も人気があり、継続的に増えているトピックの1つである。 本稿では,スコアに基づく外れ値検出カテゴリについて考察し,現在の外れ値検出アルゴリズムの性能は,スコア伝搬によってさらに向上する可能性があることを指摘する。 具体的には、無限伝播による極端かつエキサイティングに単純な外乱検出ブースターであるiPOFアルゴリズムの無限伝播を提案する。
  論文  参考訳（メタデータ） (2021-08-01T03:48:09Z)
• Robust and Accurate Object Detection via Adversarial Learning [111.36192453882195]
  この研究は、逆の例を探索することで、物体検出器の微調整段階を補強する。 提案手法は,オブジェクト検出ベンチマークにおいて,最先端のEfficientDetsの性能を+1.1mAP向上させる。
  論文  参考訳（メタデータ） (2021-03-23T19:45:26Z)
• Simple Neighborhood Representative Pre-processing Boosts Outlier Detectors [6.112522512456142]
  本稿では,既存の異常検知器をすべて有効活用し,異常検出を効率的に行う手法として,近隣代表法(NR)を提案する。 NRは既存の検出器と互換性があり、最先端の異常検出器と比較して、実世界のデータセットの性能は+8%(0.72から0.78AUC)向上している。
  論文  参考訳（メタデータ） (2020-10-11T21:31:14Z)
• A Self-Training Approach for Point-Supervised Object Detection and Counting in Crowds [54.73161039445703]
  本稿では,ポイントレベルのアノテーションのみを用いて訓練された典型的なオブジェクト検出を可能にする,新たな自己学習手法を提案する。 トレーニング中、利用可能なポイントアノテーションを使用して、オブジェクトの中心点の推定を監督する。 実験の結果,本手法は検出タスクとカウントタスクの両方において,最先端のポイント管理手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-07-25T02:14:42Z)
• An Entropy Based Outlier Score and its Application to Novelty Detection for Road Infrastructure Images [8.746176113214727]
  外れ値スコアは、類似性の重み付き正規化エントロピーによって実現される。 目的は、事前に収集されたベースデータセットに基づいて、新たに観測されたインフラストラクチャを特定することである。 外乱スコアの一般化能力を検証するために、様々な実世界のデータセットに適用する。
  論文  参考訳（メタデータ） (2020-05-27T11:34:42Z)
• Scope Head for Accurate Localization in Object Detection [135.9979405835606]
  本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。 我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
  論文  参考訳（メタデータ） (2020-05-11T04:00:09Z)

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。