論文の概要: Dual-path Frequency Discriminators for Few-shot Anomaly Detection
- arxiv url: http://arxiv.org/abs/2403.04151v2
- Date: Mon, 11 Mar 2024 12:40:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-13 13:31:10.516401
- Title: Dual-path Frequency Discriminators for Few-shot Anomaly Detection
- Title(参考訳): ファウショット異常検出のためのデュアルパス周波数判別器
- Authors: Yuhu Bai, Jiangning Zhang, Yuhang Dong, Guanzhong Tian, Liang Liu,
Yunkang Cao, Yabiao Wang, Chengjie Wang
- Abstract要約: 工業生産にはFSAD(Few-shot Anomaly Detection)が不可欠である。
本稿では、これらの問題に対処するために、周波数観点からDual-Path Frequency Discriminatorsネットワークを提案する。
- 参考スコア(独自算出の注目度): 44.6028365714557
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Few-shot anomaly detection (FSAD) is essential in industrial manufacturing.
However, existing FSAD methods struggle to effectively leverage a limited
number of normal samples, and they may fail to detect and locate inconspicuous
anomalies in the spatial domain. We further discover that these subtle
anomalies would be more noticeable in the frequency domain. In this paper, we
propose a Dual-Path Frequency Discriminators (DFD) network from a frequency
perspective to tackle these issues. Specifically, we generate anomalies at both
image-level and feature-level. Differential frequency components are extracted
by the multi-frequency information construction module and supplied into the
fine-grained feature construction module to provide adapted features. We
consider anomaly detection as a discriminative classification problem,
wherefore the dual-path feature discrimination module is employed to detect and
locate the image-level and feature-level anomalies in the feature space. The
discriminators aim to learn a joint representation of anomalous features and
normal features in the latent space. Extensive experiments conducted on MVTec
AD and VisA benchmarks demonstrate that our DFD surpasses current
state-of-the-art methods. Source code will be available.
- Abstract(参考訳): 工業生産にはFSAD(Few-shot Anomaly Detection)が不可欠である。
しかし、既存のfsad法は限られた数の正常なサンプルを効果的に利用するのに苦労しており、空間領域で目立たない異常の検出や発見に失敗する可能性がある。
さらに、これらの微妙な異常が周波数領域でより顕著であることが分かる。
本稿では、これらの問題に対処するために、周波数観点からDual-Path Frequency Discriminator (DFD)ネットワークを提案する。
具体的には、画像レベルと特徴レベルの両方で異常を生成する。
多周波情報構築モジュールにより差分周波数成分を抽出し、微細な特徴構築モジュールに供給して適合した特徴を提供する。
本稿では,特徴空間における画像レベルおよび特徴レベル異常の検出と同定にデュアルパス特徴識別モジュールを用いる識別分類問題として,異常検出法を提案する。
識別者は、潜在空間における異常特徴と正規特徴の合同表現を学習することを目的としている。
MVTec AD と VisA のベンチマークで実施された大規模な実験により、DFD が現在の最先端手法を超越していることが示されている。
ソースコードは利用可能である。
関連論文リスト
- BatchNorm-based Weakly Supervised Video Anomaly Detection [117.11382325721016]
弱教師付きビデオ異常検出では、異常事象の時間的特徴は、しばしば異常な特性を示す。
本稿では,BatchNormをWVADに組み込んだBN-WVADを提案する。
提案したBN-WVADモデルでは、UCF-CrimeのAUCは87.24%、XD-Violenceは84.93%に達する。
論文 参考訳(メタデータ) (2023-11-26T17:47:57Z) - 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) - Smart filter aided domain adversarial neural network for fault diagnosis
in noisy industrial scenarios [11.094903196524404]
本稿では,スマートフィルタ支援ドメイン適応ニューラルネットワーク (SFDANN) と呼ばれる非教師付きドメイン適応 (UDA) 手法を提案する。
提案手法は、2つのステップから構成される。第1ステップでは、時間周波数領域におけるソースとターゲットドメインデータの類似性を動的に適用するスマートフィルタを開発する。
2番目のステップでは、スマートフィルタによって再構成されたデータをドメイン逆ニューラルネットワーク(DANN)に入力する。
論文 参考訳(メタデータ) (2023-07-04T01:47:00Z) - DCdetector: Dual Attention Contrastive Representation Learning for Time
Series Anomaly Detection [26.042898544127503]
時系列異常検出は幅広い用途において重要である。
時系列の通常のサンプル分布から逸脱したサンプルを識別することを目的としている。
マルチスケールな二重注意コントラスト表現学習モデルであるDCdetectorを提案する。
論文 参考訳(メタデータ) (2023-06-17T13:40:15Z) - Multimodal Industrial Anomaly Detection via Hybrid Fusion [59.16333340582885]
ハイブリッド核融合方式を用いた新しいマルチモーダル異常検出法を提案する。
本モデルでは,MVTecD-3 ADデータセットにおける検出精度とセグメンテーション精度の両面で,最先端(SOTA)手法より優れている。
論文 参考訳(メタデータ) (2023-03-01T15:48:27Z) - Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。
我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
論文 参考訳(メタデータ) (2022-03-27T14:25:52Z) - On the Frequency Bias of Generative Models [61.60834513380388]
我々は、最先端のGANトレーニングにおいて、高周波アーティファクトに対する提案手法を解析した。
既存のアプローチでは、スペクトルアーティファクトを完全に解決できないことが分かっています。
以上の結果から,識別能力の向上に大きな可能性があることが示唆された。
論文 参考訳(メタデータ) (2021-11-03T18:12:11Z) - Dual-encoder Bidirectional Generative Adversarial Networks for Anomaly
Detection [0.0]
我々は、ジェネレータと識別器ネットワークを同時に訓練した双方向GANアーキテクチャのデュアルエンコーダを開発する。
提案手法が正常試料の分布を捉えるのに有効であることを示し,ganモデルにおける異常検出を改善した。
論文 参考訳(メタデータ) (2020-12-22T05:05:33Z)
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。