ODDObjects：一种面向掩码对象多类无监督异常检测的框架
计算机视觉与模式识别
2021-04-27 v1 人工智能
机器学习
摘要
本文提出一种称为 ODDObjects 的掩码对象无监督异常检测新框架，其全称为 Out-of-Distribution Detection on Objects。ODDObjects 旨在利用在 COCO 风格数据集上训练的无监督自编码器检测各类别异常。该方法利用基于自编码器的图像重建，其中高重建误差表明存在异常的可能性。该框架扩展了先前基于自编码器的异常检测工作，比较了在对象识别数据集上训练的最先进模型。比较了多种模型架构，实验结果表明记忆增强深度卷积自编码器在检测分布外对象方面表现最佳。
引用
@article{arxiv.2104.12300,
title = {ODDObjects: A Framework for Multiclass Unsupervised Anomaly Detection on Masked Objects},
author = {Ricky Ma},
journal= {arXiv preprint arXiv:2104.12300},
year = {2021}
}
备注
11 pages, 15 Postscript figures