Paper/Anomaly detection

[논문 리뷰] Towards Total Recall in Industrial Anomaly Detection

Introduction 최근에 이상탐지 흐름 중 하나는 ImageNet classification 모델을 튜닝없이 사용하여 target distribution에 대한 common deep representation을 학습하는 것이다. fine grained defect segmentation은 high resolution feature를 사용하고 반면에 full image-level anomaly detection(structural deviation)은 higher abstraction level을 주로 사용한다. 이 방법의 단점은 Imagenet으로 학습된 모델의 higher level feature는 inudstrial environment에서 요구하는 abstrac feature와 유사하지 않다는..

Patch SVDD

Abstract 이상탐지 분야에서 오랫동안 사용되왔던 알고리즘인 SVDD (Support Vector Data Description)를 patch-based 기반으로 바꾼 것. Introuduction 이상탐지 분야에서 전통적으로 kernel function을 사용한 OC-SVM, SVDD와 같은 방식들이 있었는데 이전 연구 중 하나인 Deep SVDD는 neural network를 사용해 data-dependent한 표현을 뽑아냈다. Patch SVDD는 Deep SVDD를 patch-wise 방식으로 바꾼 것이고 patch들의 높은 분산과 self-supervised 학습 방식에 기인해서 의미 있는 결과물을 만들었다. 아래 그림은 Patch SVDD 모델을 통해서 나온 이미지 내에서 이상치 부분을 나..

DFR: Deep Feature Reconstruction for Unsupervised Anomaly Segmentation

Abstract Anomalies가 매우 작은 영역에 위치하는 경우 이를 검출하기가 매우 어렵다. 이 논문에서는 다양한 공간적 정보를 표현할 수 있는 multi-scale regional feature generator를 만들어서 문제를 해결한다. 이후 convolutional autoencoder를 사용한 feature reconstruction을 통해 anomalous region을 검출한다. Method A. Hierarchical Image Feature Generation pre-trained CNN(VGG19)을 가져와서 input image에 대한 rich hierarchical discriminative feature를 생성한다. L개의 convolutional layer가 있으면 이와 같..

[Explainable Deep One-Class Classification] 논문 정리

Abstract One-class classification은 정상 샘플들의 분포를 학습해서 비정상 샘플들이 들어오면 학습된 분포 밖으로 맵핑 되도록 하는 것이 목적이다. 분포를 학습하기 위해서 highly non-linear 변환이 발생하는데 이로 인해서 이미지의 어느 부분이 이상이라고 해석하는 것이 어려워진다. 본 논문에서 제안하는 Fully Convolutional Data Description (FCDD) 모델을 사용하면 좋은 이상 검출 성능 뿐만 아니라 합리적인 설명력을 갖게 된다. 또한, 학습 과정에서 소수의 (5개 미만) 비정상 데이터를 결합하여 성능을 상당히 향상시킬 수 있다. 마지막으로, Deep one-class classification 모델이 워터마크와 같은 supurious ima..