Fugu-MT 論文翻訳(概要): REB: Reducing Biases in Representation for Industrial Anomaly Detection

論文の概要: REB: Reducing Biases in Representation for Industrial Anomaly Detection

arxiv url: http://arxiv.org/abs/2308.12577v2
Date: Fri, 17 May 2024 15:36:04 GMT
ステータス: 処理完了
システム内更新日: 2024-05-20 20:43:15.516089
Title: REB: Reducing Biases in Representation for Industrial Anomaly Detection
Title（参考訳）: REB:産業異常検出のための表現におけるバイアス低減
Authors: Shuai Lyu, Dongmei Mo, Waikeung Wong,
Abstract要約: 本稿では,ドメインバイアスを考慮した表現におけるReduceing Biases (REB)を提案する。また,特徴空間における局所密度バイアスを低減し,効果的な異常検出を実現するために,局所密度KNN(LDKNN)を提案する。提案したREB法は,Vgg11やResnet18などの小さなバックボーンネットワークを用いて,広く使用されているMVTec AD上で99.5%のIm.AUROCを実現する。
参考スコア（独自算出の注目度）: 16.550844182346314
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Existing representation-based methods usually conduct industrial anomaly detection in two stages: obtain feature representations with a pre-trained model and perform distance measures for anomaly detection. Among them, K-nearest neighbor (KNN) retrieval-based anomaly detection methods show promising results. However, the features are not fully exploited as these methods ignore domain bias of pre-trained models and the difference of local density in feature space, which limits the detection performance. In this paper, we propose Reducing Biases (REB) in representation by considering the domain bias and building a self-supervised learning task for better domain adaption with a defect generation strategy (DefectMaker) that ensures a strong diversity in the synthetic defects. Additionally, we propose a local-density KNN (LDKNN) to reduce the local density bias in the feature space and obtain effective anomaly detection. The proposed REB method achieves a promising result of 99.5\% Im.AUROC on the widely used MVTec AD, with smaller backbone networks such as Vgg11 and Resnet18. The method also achieves an impressive 88.8\% Im.AUROC on the MVTec LOCO AD dataset and a remarkable 96.0\% on the BTAD dataset, outperforming other representation-based approaches. These results indicate the effectiveness and efficiency of REB for practical industrial applications. Code:https://github.com/ShuaiLYU/REB.
Abstract（参考訳）: 既存の表現に基づく手法は、通常、工業的異常検出を2段階に分けて行う: 事前訓練されたモデルを用いて特徴表現を取得し、異常検出のための距離測定を行う。そのうち, K-nearest neighbor (KNN) 検索に基づく異常検出手法は有望な結果を示す。しかし、これらの手法は、事前訓練されたモデルのドメインバイアスと、検出性能を制限する特徴空間における局所密度の差を無視しているため、完全には活用されない。本稿では, ドメインバイアスを考慮した表現におけるReduceing Biases(REB)を提案し, 自己教師型学習タスクを構築し, 欠陥発生戦略(DefectMaker)を用いて, 合成欠陥の多様性を確実にする。さらに,特徴空間における局所密度バイアスを低減し,効果的な異常検出を実現するために,局所密度KNN(LDKNN)を提案する。提案手法は,Vgg11 や Resnet18 などの小さなバックボーンネットワークを備えた MVTec AD 上で,99.5 % Im.AUROC の有望な結果が得られる。また、MVTec LOCO ADデータセット上では印象的な88.8\% Im.AUROC、BTADデータセットでは96.0\%を達成し、他の表現ベースアプローチよりも優れている。これらの結果から, 産業用REBの有効性と有効性が示唆された。コード:https://github.com/ShuaiLYU/REB。

関連論文リスト

YOLO-ELA: Efficient Local Attention Modeling for High-Performance Real-Time Insulator Defect Detection [0.0]
無人航空機からの絶縁体欠陥検出のための既存の検出方法は、複雑な背景や小さな物体と競合する。本稿では,この課題に対処するため,新しい注目基盤アーキテクチャであるYOLO-ELAを提案する。高分解能UAV画像による実験結果から,本手法は96.9% mAP0.5,リアルタイム検出速度74.63フレーム/秒を実現した。
論文参考訳（メタデータ） (2024-10-15T16:00:01Z)
Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
論文参考訳（メタデータ） (2024-01-06T07:30:41Z)
Produce Once, Utilize Twice for Anomaly Detection [6.501323305130114]
我々は、再構成ネットワークにおける識別情報電位を再利用することにより、精度と効率を両立させるPOUTAを導出する。 POUTAは、特別な設計をせずに、最先端の数発の異常検出方法よりも優れた性能を実現している。
論文参考訳（メタデータ） (2023-12-20T10:49:49Z)
Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文参考訳（メタデータ） (2023-08-18T13:13:09Z)
Spot The Odd One Out: Regularized Complete Cycle Consistent Anomaly Detector GAN [4.5123329001179275]
本研究では,GAN(Generative Adversarial Neural Network)のパワーを活用した,現実の応用における異常検出のための逆方向検出手法を提案する。従来の手法は、あらゆる種類の異常に適用できないような、クラス単位での精度のばらつきに悩まされていた。 RCALADという手法は,この構造に新たな識別器を導入し,より効率的な学習プロセスを実現することで,この問題を解決しようとするものである。
論文参考訳（メタデータ） (2023-04-16T13:05:39Z)
PNI : Industrial Anomaly Detection using Position and Neighborhood Information [6.316693022958221]
本研究では,条件付き近傍特徴量を用いて正規分布を推定する新しいアルゴリズム textbfPNI を提案する。我々はMVTec ADベンチマークデータセットの実験を行い、異常検出と局所化におけるtextbf99.56%と textbf98.98%のAUROCスコアを用いて最先端のパフォーマンスを達成した。
論文参考訳（メタデータ） (2022-11-22T23:45:27Z)
Diffusion Denoising Process for Perceptron Bias in Out-of-distribution Detection [67.49587673594276]
我々は、識別器モデルが入力の特定の特徴に対してより敏感であることを示唆する新しいパーセプトロンバイアスの仮定を導入し、過度な問題を引き起こした。 DMの拡散分解過程 (DDP) が非対称の新たな形態として機能し, 入力を高め, 過信問題を緩和するのに適していることを示す。 CIFAR10, CIFAR100, ImageNetによる実験により, 提案手法がSOTA手法より優れていることが示された。
論文参考訳（メタデータ） (2022-11-21T08:45:08Z)
Regressive Domain Adaptation for Unsupervised Keypoint Detection [67.2950306888855]
ドメイン適応(DA)は、ラベル付きソースドメインからラベル付きターゲットドメインに知識を転送することを目的とする。本稿では,教師なしキーポイント検出のためのレグレッシブドメイン適応(RegDA)法を提案する。提案手法は,異なるデータセット上のPCKにおいて,8%から11%の大幅な改善をもたらす。
論文参考訳（メタデータ） (2021-03-10T16:45:22Z)
PaDiM: a Patch Distribution Modeling Framework for Anomaly Detection and Localization [64.39761523935613]
本稿では,画像中の異常を同時検出・ローカライズするPatch Distribution Modeling, PaDiMを提案する。 PaDiMは、パッチの埋め込みに事前訓練された畳み込みニューラルネットワーク(CNN)を使用している。また、CNNの異なるセマンティックレベル間の相関を利用して、異常のローカライズも改善している。
論文参考訳（メタデータ） (2020-11-17T17:29:18Z)
Collaborative Training between Region Proposal Localization and Classification for Domain Adaptive Object Detection [121.28769542994664]
オブジェクト検出のためのドメイン適応は、ラベル付きデータセットからラベル付きデータセットへの検出を適応させようとする。本稿では,地域提案ネットワーク (RPN) と地域提案分類器 (RPC) が,大きなドメインギャップに直面した場合の転送可能性が大きく異なることを初めて明らかにする。
論文参考訳（メタデータ） (2020-09-17T07:39:52Z)

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。