用于仅用正常训练数据进行异常检测的收缩正常潜在空间
计算机视觉与模式识别
2024-03-26 v1
摘要
为了设计一个仅使用正常训练数据的异常检测模型，通常训练一个自编码器（AE）来重建数据。因此，AE 可以在其潜在空间中提取正常表示。在测试期间，由于 AE 未使用真实异常进行训练，预期它重建异常数据的能力会很差。然而，一些研究人员观察到情况并非如此。在这项工作中，我们提出通过引入一种新颖的潜在收缩损失来限制 AE 的重建能力，该损失被添加到现有的重建损失中。使用我们的方法，在测试期间不会给 AE 增加额外的计算成本。使用三个视频异常检测基准数据集（即 Ped2、Avenue 和 ShanghaiTech）的评估证明了我们的方法在限制 AE 重建能力方面的有效性，从而产生了更好的异常检测模型。
引用
@article{arxiv.2403.16270,
title = {Constricting Normal Latent Space for Anomaly Detection with Normal-only Training Data},
author = {Marcella Astrid and Muhammad Zaigham Zaheer and Seung-Ik Lee},
journal= {arXiv preprint arXiv:2403.16270},
year = {2024}
}
备注
ICLR Workshop 2024 (PML4LRS)