空间加权异常检测
计算机视觉与模式识别
2018-10-08 v1 人工智能
摘要
近来提出了多种异常检测方法，并广泛应用于医学筛查与生产质量检查等诸多领域。部分方法利用了图像，且在某些情况下，异常图像的局部区域是预先已知的。然而，此类信息被以往方法所忽略，因为它们只能利用正常模式。此外，以往方法还因周围噪声的负面影响而精度下降。本研究提出一种空间加权异常检测方法（SPADE），该方法利用全部已知模式，并通过应用 CNN 的可视化方法 Grad-CAM 来降低对环境噪声的脆弱性。我们使用两个数据集——带噪声的 MNIST 数据集和基于痴呆症简易筛查测试的数据集——对我们的方法进行了定量评估。
引用
@article{arxiv.1810.02607,
title = {Spatially-weighted Anomaly Detection},
author = {Minori Narita and Daiki Kimura and Ryuki Tachibana},
journal= {arXiv preprint arXiv:1810.02607},
year = {2018}
}
备注
4 pages, SSII 2018 (original paper was written in Japanese)