Sep, 2022

自监督遮掩卷积变换块用于异常检测

PDF
TL;DR利用自监督掩码卷积变换块的方法实现异常检测任务，该方法在神经网络中实现了重建功能，对电视监控、医学图像等多个任务领域都有较好的性能表现。
anomaly detectionself-supervisedconvolutional transformer blockreconstruction-based methodneural network
发现论文，激发创造
  • 自监督预测卷积注意力块用于异常检测

    本研究提出了一种自监督预测建筑模块，将基于重建的功能集成到其中，以此提高现有图像和视频异常检测方法的性能。

    Nov, 2021

  • 无监督异常检测和定位的自监督遮掩

    这篇论文提出了一种名为 “自监督遮盖” 的无监督异常检测和定位方法，通过随机遮盖和恢复来扩展基于重建的异常检测架构，并引入了渐进式遮盖细化方法来进一步提高检测和定位效率和效果。

    May, 2022

  • 用于图像异常定位的掩蔽变形器

    基于 Vision Transformer 架构和 Patch 掩蔽技术的图像异常检测方法，将输入图像分成多个分辨率的 Patch，在忽略异常信息的同时对周围数据进行重建，相较传统方法性能更好，MVTec 和 head CT 等数据集上实现了良好的结果。

    Oct, 2022

  • 自监督式脑部 CT 扫描中的异常外检测

    本文提出一种新的自监督学习技术来解决医学影像数据标注不足、数据不平衡等问题，在临床脑 CT 扫描的实验中，该方法取得了很好的效果。

    Nov, 2020

  • 使用半监督残差变换器进行预算注释的高效异常检测

    计算机视觉中，使用深度学习方法中仍存在的问题是异常检测无法被实时发现，并且在进行异常标注的时候，需要付出很高昂的代价。本研究提出的方法用一个统一的框架解决上述问题，通过训练一个滑动型视觉变压器来提高准确性，使得半监督学习成为可能，并且进一步通过引入新的数据增强方法来降低标注成本，经过实验证明，该方法表现优于当前最先进的方法。

    Jun, 2023

  • 基于卷积变换器和双重鉴别器的生成对抗网络，用于视频异常检测

    本文介绍了一种基于卷积变换器、双鉴别器生成对抗网络（CT-D2GAN）的非监督式视频异常检测方法，该方法在未来帧预测和对视频的局部和全局建模方面取得了显著的效果。

    Jul, 2021

  • Mask2Anomaly：面具变换器用于通用开放集分割

    将传统的按像素分类的方法转变为基于掩码分类的方法，提出了 Mask2Anomaly 方法来解决异常分割、开放集语义分割和开放集全景分割问题，并引入了全局掩码注意力模块、掩码对比学习、掩码细化解决方案和基于掩码架构特性的未知实例挖掘。经过全面的定性和定量评估，我们展示了 Mask2Anomaly 在异常分割、开放集语义分割和开放集全景分割基准中取得了最新的最佳结果。

    Sep, 2023

  • MAD：自监督多元时间序列遮蔽异常检测任务

    本文提出了一种名为 MAD 的新型自监督学习任务，用于多变量时间序列异常检测。该方法通过随机掩蔽输入数据一部分，使得模型在训练中通过学习预测掩蔽的数据能力，比传统的左到右预测任务取得更好的异常检测结果。

    May, 2022

  • 混合深度网络用于异常检测

    本文提出一种深度卷积神经网络 (CNN)，用于监控视频中的异常检测，该网络能够对每帧视频提供异常评估分数，实验结果与现有研究相竞争。

    Aug, 2019

  • 医疗影像无监督异常检测的遮蔽自编码器

    本论文提出了一种使用模板自编码器模型和伪异常模块来训练医学图像中的异常检测的方法，并成功在 BRATS2020 和 LUNA16 等数据集上进行实验。

    Jul, 2023