深度最近邻异常检测
机器学习
2020-02-25 v1 计算机视觉与模式识别
机器学习
摘要
最近邻是一种成功且长久以来用于异常检测的技术。近期自监督深度方法（如RotNet）取得了显著进展。然而，自监督特征通常表现不及ImageNet预训练特征。在本工作中，我们探究近期进展是否确实能超越在ImageNet预训练特征空间上运行的最近邻方法。实验表明，这种基于简单最近邻的方法在准确率、少样本泛化、训练时间以及噪声鲁棒性方面均优于自监督方法，同时对图像分布的假设更少。
引用
@article{arxiv.2002.10445,
title = {Deep Nearest Neighbor Anomaly Detection},
author = {Liron Bergman and Niv Cohen and Yedid Hoshen},
journal= {arXiv preprint arXiv:2002.10445},
year = {2020}
}