論文の概要: Unsupervised anomaly detection in MeV ultrafast electron diffraction

• arxiv url: http://arxiv.org/abs/2505.13702v1
• Date: Mon, 19 May 2025 20:05:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-21 14:49:52.509752
• Title: Unsupervised anomaly detection in MeV ultrafast electron diffraction
• Title（参考訳）: MeV超高速電子回折における教師なし異常検出
• Authors: Mariana A. Fazio, Salvador Sosa Güitron, Marcus Babzien, Mikhail Fedurin, Junjie Li, Mark Palmer, Sandra S. Biedron, Manel Martinez-Ramon,
• Abstract要約: 本研究では,MUEDにおける異常画像検出のための教師なし異常検出手法の構築に焦点をあてる。 検出器のトレーニングに使用されるデータは手動でラベル付けする必要がないので、教師なしのテクニックが私たちの目的にとって最善の選択だと考えています。 このマシンはデータセットの異常を自身で検出することを目的としており、退屈で時間を要する初期画像検査のユーザを解放する。
• 参考スコア（独自算出の注目度）: 8.861112440476983
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study focus in the construction of an unsupervised anomaly detection methodology to detect faulty images in MUED. We believe that unsupervised techniques are the best choice for our purposes because the data used to train the detector does not need to be manually labeled, and instead, the machine is intended to detect by itself the anomalies in the dataset, which liberates the user of tedious, time-consuming initial image examination. The structure must, additionally, provide the user with some measure of uncertainty in the detection, so the user can take decisions based on this measure.
• Abstract（参考訳）: 本研究では,MUEDにおける異常画像検出のための教師なし異常検出手法の構築に焦点をあてる。 検知器のトレーニングに使用されるデータは手動でラベル付けする必要がなく、代わりに、マシンはデータセットの異常を自身で検出することを目的としており、退屈で時間を要する初期画像検査のユーザを解放する。 さらに、この構造は、ユーザに対して検出の不確実性に関する何らかの尺度を提供しなければならないため、ユーザはこの尺度に基づいて決定を下すことができる。

関連論文リスト

• 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)
• Gazing Into Missteps: Leveraging Eye-Gaze for Unsupervised Mistake Detection in Egocentric Videos of Skilled Human Activities [25.049754180292034]
  我々は、視線信号の解析を通して、自我中心ビデオにおける教師なし誤り検出の課題に対処する。 眼球運動が被写体操作活動に密接に従うという観察に基づいて,視線信号が誤検出をどの程度支援できるかを評価する。 予測された視線軌道と観測された視線軌道の矛盾は、誤りを特定する指標として機能する。
  論文  参考訳（メタデータ） (2024-06-12T16:29:45Z)
• UMAD: Unsupervised Mask-Level Anomaly Detection for Autonomous Driving [16.94473342644408]
  我々は,非教師なしの異常検出とUMADの提示を再考し,生成的世界モデルと教師なし画像セグメンテーションを活用する。 我々の手法は、最先端の教師なし異常検出よりも優れています。
  論文  参考訳（メタデータ） (2024-06-10T15:32:16Z)
• Deployment Prior Injection for Run-time Calibratable Object Detection [58.636806402337776]
  検出器に追加のグラフ入力を導入し、事前にグラフが配置コンテキストを表す。 テストフェーズでは、事前に適切なデプロイメントコンテキストをグラフ編集を通じて検出器に注入することができる。 事前の配置が分かっていない場合でも、検出器は独自の予測を用いて、事前に近似した配置を用いて自己校正を行うことができる。
  論文  参考訳（メタデータ） (2024-02-27T04:56:04Z)
• Model Selection of Anomaly Detectors in the Absence of Labeled Validation Data [18.233908098602114]
  本稿では,画像に基づく異常検出をラベル付き検証データなしで選択するフレームワークSWSAを提案する。 ラベル付き検証データを集める代わりに、トレーニングや微調整なしに合成異常を生成する。 我々の合成異常は、モデル選択のための検証フレームワークを構成する検出タスクを作成するために使用される。
  論文  参考訳（メタデータ） (2023-10-16T14:42:22Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)

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。