揭示一个不断变化的世界中的异常：连续学习中像素级异常检测的基准

Mar, 2024

揭示一个不断变化的世界中的异常：连续学习中像素级异常检测的基准

Unveiling the Anomalies in an Ever-Changing World: A Benchmark for Pixel-Level Anomaly Detection in Continual Learning

Nikola Bugarin, Jovana Bugaric, Manuel Barusco, Davide Dalle Pezze, Gian Antonio Susto

TL;DR该研究探讨了在连续学习背景下像素级异常检测的问题，实现了多种先进技术，并使用真实世界的图像数据集验证了这些方法在连续学习环境中的适用性。

Abstract

anomaly detection is a relevant problem in numerous real-world applications, especially when dealing with images. However, little attention has been paid to the issue of changes over time in the input data distribution<

anomaly detection pixel-level continual learning input data distribution state-of-the-art techniques

发现论文，激发创造

监控视频异常检测的持续学习

本研究提出了一种基于转移学习和连续学习的在线异常检测方法，利用神经网络模型的特征提取能力和统计检测方法的连续学习能力，显著减少了训练复杂度，并提供了一种从最近数据中持续学习而不受灾难性遗忘影响的机制，可应用于监控视频领域。

Apr, 2020

使用连续标记的增强方法检测异常

这篇论文提出了一种利用简单学习过程训练轻量级卷积神经网络的方法，将异常检测问题视为监督回归问题，并使用两个可分离连续值分布来标记正常和异常的数据，通过图像增强技术创造出一个独特的异常样本集，并在图像和视频数据集的异常检测实验中展现了该方法的卓越性能。

Jul, 2022

异常检测的终身学习：新挑战、新视角和新洞见

本文探讨了如何构建面向终身异常检测的基础，提出了终身学习面临的挑战和机遇，明确了终身异常检测的重要性，并提出了一种情景生成方法以进行实验

Mar, 2023

关于像素级异常检测性能评估的研究

在本研究中，我们通过可视证据和统计分析剖析了像素级异常检测中存在的正常样本和异常样本严重不平衡的复杂挑战，并深入探讨了需要考虑不平衡的评估指标的需求。通过对 21 个异常检测问题上使用 11 种领先的现代异常检测方法进行广泛实验评估，我们可以得出结论，基于 Precision-Recall 的指标可以更好地捕捉方法性能的相对关系，使其更适用于这一任务。

Oct, 2023

复杂驾驶场景中的逐像素异常检测

本文提出一种基于不确定性信息和重新合成图像之间的差异信息相结合的像素级异常检测框架，旨在提高语义分割领域关键的自动驾驶系统的鲁棒性和性能表现。

Mar, 2021

深度学习用于异常检测：调研

本文针对深度学习异常检测问题进行了系统综述，将研究方法划分为不同的类别并探讨其在应用领域的适用性和效果，同时讨论了现有研究的局限性和未来研究的方向。

Jan, 2019

图像 / 视频深度异常检测：综述

本篇论文探讨了基于深度神经网络的图像 / 视频异常检测方法，讨论了当前的挑战和未来的研究方向。

Mar, 2021

深度异常检测中的假设重新思考

本研究探讨异常检测在图像领域的深度学习方法，通过在 ImageNet 数据集上与现有深度学习算法和少量随机自然图像进行比较，发现多尺度图像数据的结构特点可以提高异常样本的识别效果。

May, 2020

连续财务会计数据的无监督异常检测的持续学习

本篇研究提出了一个连续审计的异常检测框架，利用人工智能和深度学习技术，不断从会计记录数据流中学习，克服常规审计的不足之处，并在模拟的审计情景和真实数据集上测试，结果表明该框架可显著减少误判和漏判。

Dec, 2021

异常检测中的表示学习：成功、限制和一个重大挑战

异常检测的主导范式在无限扩展上将面临基本限制，对于许多工业任务，当存在强任务先验时，可以克服这些限制；但当不存在这样的先验时，异常检测变得更加困难，因此我们提出了两个异常检测的重大挑战：i）通过异常检测来进行科学发现；ii）在 ImageNet 数据集中检测最异常的图像，我们相信需要开发新的异常检测工具和思想来克服这些挑战。

Jul, 2023