关于异常检测中像素级性能评估
计算机视觉与模式识别
2023-10-26 v1
摘要
异常检测方法已在各种应用中展现出显著成功。然而，评估其性能，尤其在像素级，由于正常与异常样本之间最常存在的严重不平衡，呈现出复杂挑战。为像素级检测设计的常用评估指标可能无法有效捕捉由该类不平衡引起的细微性能差异。在本文中，我们通过视觉证据与统计分析剖析这一挑战的复杂性，进而深入探讨考虑不平衡的评估指标之需求。我们利用十一种领先的当代异常检测方法在二十一个异常检测问题上，对更精确的指标提供了见解。总体而言，从这一广泛实验评估中，我们可以得出结论：基于精确率-召回率（Precision-Recall）的指标能更好地捕捉方法的相对性能，使其更适用于该任务。
引用
@article{arxiv.2310.16435,
title = {On Pixel-level Performance Assessment in Anomaly Detection},
author = {Mehdi Rafiei and Toby P. Breckon and Alexandros Iosifidis},
journal= {arXiv preprint arXiv:2310.16435},
year = {2023}
}
备注
5 pages, 5 figures, 1 table