論文の概要: Investigation of unsupervised and supervised hyperspectral anomaly detection

• arxiv url: http://arxiv.org/abs/2408.07114v1
• Date: Tue, 13 Aug 2024 17:20:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-15 15:07:25.855639
• Title: Investigation of unsupervised and supervised hyperspectral anomaly detection
• Title（参考訳）: 教師なし・監督型ハイパースペクトル異常検出法の検討
• Authors: Mazharul Hossain, Aaron Robinson, Lan Wang, Chrysanthe Preza,
• Abstract要約: ハイパースペクトル異常検出(HS-AD)は、キャプチャされたシーンを特徴付け、それらを異常クラスとバックグラウンドクラスに分離する。 我々は以前,ハイパースペクトルアンミキシングと3つの教師なしHS-ADアルゴリズムの等価な投票アンサンブルを設計した。 我々は後に、教師付き分類器を用いて投票アンサンブルの重みを判定し、異種無教師型HS-ADアルゴリズムのハイブリッドを作成する。
• 参考スコア（独自算出の注目度）: 11.56957155775389
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Hyperspectral sensing is a valuable tool for detecting anomalies and distinguishing between materials in a scene. Hyperspectral anomaly detection (HS-AD) helps characterize the captured scenes and separates them into anomaly and background classes. It is vital in agriculture, environment, and military applications such as RSTA (reconnaissance, surveillance, and target acquisition) missions. We previously designed an equal voting ensemble of hyperspectral unmixing and three unsupervised HS-AD algorithms. We later utilized a supervised classifier to determine the weights of a voting ensemble, creating a hybrid of heterogeneous unsupervised HS-AD algorithms with a supervised classifier in a model stacking, which improved detection accuracy. However, supervised classification methods usually fail to detect novel or unknown patterns that substantially deviate from those seen previously. In this work, we evaluate our technique and other supervised and unsupervised methods using general hyperspectral data to provide new insights.
• Abstract（参考訳）: ハイパースペクトルセンシングは、異常を検出し、シーン内の物質を区別するための貴重なツールである。 ハイパースペクトル異常検出(HS-AD)は、キャプチャされたシーンを特徴付け、それらを異常クラスとバックグラウンドクラスに分離する。 RSTA(Reconnaissance, surveillance, and target acquisition)ミッションのような農業、環境、軍事用途に欠かせない。 我々は以前,ハイパースペクトルアンミキシングと3つの教師なしHS-ADアルゴリズムの等価な投票アンサンブルを設計した。 我々は後に、教師付き分類器を用いて投票アンサンブルの重みを決定するとともに、教師付き分類器をモデルスタックに組み込んだ異種無教師型HS-ADアルゴリズムのハイブリッドを作成し、検出精度を向上した。 しかし、教師付き分類法は、通常、以前に見られたものとはかなり異なる新しいパターンや未知のパターンを検出するのに失敗する。 本研究では,一般的なハイパースペクトルデータを用いて,本手法および他の教師なし手法の評価を行い,新たな知見を得た。

関連論文リスト

• GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features [68.14842693208465]
  GeneralADは、意味的、ほぼ分布的、産業的設定で動作するように設計された異常検出フレームワークである。 本稿では,ノイズ付加やシャッフルなどの簡単な操作を施した自己教師付き異常生成モジュールを提案する。 提案手法を10のデータセットに対して広範囲に評価し,6つの実験結果と,残りの6つの実験結果を得た。
  論文  参考訳（メタデータ） (2024-07-17T09:27:41Z)
• Unifying Unsupervised Graph-Level Anomaly Detection and Out-of-Distribution Detection: A Benchmark [73.58840254552656]
  近年,非教師付きグラフレベルの異常検出(GLAD)と教師なしグラフレベルのアウト・オブ・ディストリビューション(OOD)検出が注目されている。 教師なしグラフレベルのOODと異常検出のための統一ベンチマーク(我々の方法)を提案する。 我々のベンチマークでは、4つの実用的な異常とOOD検出シナリオにまたがる35のデータセットを網羅している。 我々は,既存手法の有効性,一般化性,堅牢性,効率性について多次元解析を行った。
  論文  参考訳（メタデータ） (2024-06-21T04:07:43Z)
• ATAC-Net: Zoomed view works better for Anomaly Detection [1.024113475677323]
  ATAC-Netは、既知の最小限の事前異常から異常を検出する訓練を行うフレームワークである。 我々は、その優位性を、同等の設定で現在の最先端技術と比較する。
  論文  参考訳（メタデータ） (2024-06-20T15:18:32Z)
• Generating and Reweighting Dense Contrastive Patterns for Unsupervised Anomaly Detection [59.34318192698142]
  我々は、先行のない異常発生パラダイムを導入し、GRADと呼ばれる革新的な教師なし異常検出フレームワークを開発した。 PatchDiffは、様々な種類の異常パターンを効果的に公開する。 MVTec ADとMVTec LOCOデータセットの両方の実験も、前述の観測をサポートする。
  論文  参考訳（メタデータ） (2023-12-26T07:08:06Z)
• 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)
• A Coarse-to-Fine Pseudo-Labeling (C2FPL) Framework for Unsupervised Video Anomaly Detection [4.494911384096143]
  ビデオにおける異常事象の検出は、監視などのアプリケーションにおいて重要な問題である。 セグメントレベル(正規/異常)の擬似ラベルを生成する簡易な2段擬似ラベル生成フレームワークを提案する。 提案した粗大な擬似ラベル生成器は、慎重に設計された階層的分割クラスタリングと統計的仮説テストを用いている。
  論文  参考訳（メタデータ） (2023-10-26T17:59:19Z)
• Attention Consistency Refined Masked Frequency Forgery Representation for Generalizing Face Forgery Detection [96.539862328788]
  既存の偽造検出方法は、未確認領域の真正性を決定する不満足な一般化能力に悩まされている。 ACMF(Attention Consistency Refined masked frequency forgery representation model)を提案する。 いくつかのパブリックフェイスフォージェリーデータセットの実験結果から,提案手法の性能は最先端の手法と比較して優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-21T08:58:49Z)
• Generative Cooperative Learning for Unsupervised Video Anomaly Detection [29.07998538748002]
  本稿では,ビデオ異常検出のための教師なし生成協調学習(GCL)手法を提案する。 基本的に、両方のネットワークは協調的に訓練され、教師なしの学習が可能になる。 2つの大規模ビデオ異常検出データセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2022-03-08T09:36:51Z)
• Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection [97.93062818228015]
  本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。 我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。 画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
  論文  参考訳（メタデータ） (2021-11-17T13:30:31Z)
• Unsupervised Anomaly Detectors to Detect Intrusions in the Current Threat Landscape [0.11470070927586014]
  本研究では,Isolation Forests,One-Class Support Vector Machines,Self-Organizing Mapsが侵入検知用よりも有効であることを示した。 不安定、分散、あるいは非可逆的行動による攻撃を、ファジング、ワーム、ボットネットなどによって検出することがより困難である点を詳述する。
  論文  参考訳（メタデータ） (2020-12-21T14:06:58Z)
• Dependency-based Anomaly Detection: a General Framework and Comprehensive Evaluation [33.31923133201812]
  本稿では,依存性に基づく異常検出(DepAD)を提案する。 DepADは教師なしの異常検出を教師付き特徴選択と予測タスクとして再設定する。 2つのDepADアルゴリズムは、幅広いデータセットを扱うオールラウンドと優れたパフォーマーとして登場します。
  論文  参考訳（メタデータ） (2020-11-13T01:39:44Z)

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。