面向异常检测的持续学习方法
计算机视觉与模式识别
2024-09-09 v2
摘要
异常检测是在众多现实应用中出现的一个重要问题，尤其是在处理图像时。然而，在持续学习设定下针对该任务的研究很少。在本工作中，我们提出了一种称为SCALE（SCALing is Enough）的新方法，在持续学习设定下的异常检测框架中执行压缩回放。所提出的技术使用超分辨率模型对原始图像进行缩放和压缩，据我们所知，这是首次在持续学习设定下被研究。SCALE能够在保持高水平图像重建质量的同时实现高压缩率。结合其他异常检测方法，它可以取得最优结果。为验证所提方法，我们使用了一个带有基于像素异常的实时图像数据集，旨在为持续学习背景下的异常检测提供可靠的基准，作为该领域进一步发展的基础。
引用
@article{arxiv.2212.11192,
title = {Continual Learning Approaches for Anomaly Detection},
author = {Davide Dalle Pezze and Eugenia Anello and Chiara Masiero and Gian Antonio Susto},
journal= {arXiv preprint arXiv:2212.11192},
year = {2024}
}