基于分数识别图像异常:利用变分自编码器梯度
图像与视频处理
2019-12-03 v1 机器学习
机器学习
摘要
通过对无标签数据的训练,异常检测有望通过勾画可疑区域来影响计算机辅助诊断。以往基于深度学习的异常检测工作主要关注重建误差。我们则认为,基于变分自编码器(Variational Autoencoder)的分数近似所导出的逐像素异常评分能给出理论上更严谨且更忠实的估计。在我们的实验中,基于变分自编码器梯度的评分在 BraTS-2017 数据集上的无监督逐像素肿瘤检测中以 0.94 的 ROC-AUC 优于其他方法。
引用
@article{arxiv.1912.00003,
title = {A Case for the Score: Identifying Image Anomalies using Variational Autoencoder Gradients},
author = {David Zimmerer and Jens Petersen and Simon A. A. Kohl and Klaus H. Maier-Hein},
journal= {arXiv preprint arXiv:1912.00003},
year = {2019}
}