PANDA：感知觉感知的异常神经检测
计算机视觉与模式识别
2021-04-29 v1
摘要
异常检测的半监督方法近年来取得了实质性进展。此类方法在多样化真实世界异常检测问题中的应用尤其令人关注，其中异常变化可从视觉上明显的到非常细微的。在这项工作中，我们提出了一种以半监督方式训练的细粒度 VAE-GAN 架构，以检测视觉上显著和细微的异常。通过使用残差连接双特征提取器、细粒度判别器和感知损失函数，我们能够检测细微的、低类间（异常 vs. 正常）变异的异常，与先前工作相比具有更强的检测能力和更小的 AUC 值推断偏差，同时在推断时保持时间高效。我们在与先前半监督方法的大量异常检测基准任务广泛比较中取得了最先进的异常检测结果，包括简单留一法任务（CIFAR-10 - AUPRCavg: 0.91；MNIST - AUPRCavg: 0.90）以及具有挑战性的真实世界异常检测任务（植物叶片病害 - AUC: 0.776；威胁物品 X 射线 - AUC: 0.51）、视频帧级异常检测（UCSDPed1 - AUC: 0.95）和具有物体异常缺陷检测的高频纹理（MVTEC - AUCavg: 0.83）。
引用
@article{arxiv.2104.13702,
title = {PANDA : Perceptually Aware Neural Detection of Anomalies},
author = {Jack W. Barker and Toby P. Breckon},
journal= {arXiv preprint arXiv:2104.13702},
year = {2021}
}
备注
In-proceedings at 2021 International Joint Conference on Neural Networks (IJCNN)