关键词unsupervised out-of-distribution detection
搜索结果 - 4
- 一种基于变分自编码器的高效无监督异常检测方法
本文研究了用于无监督的离群检测的深度生成模型(DGMs),特别关注使用标准正态先验分布的基本变分自动编码器(VAE)。我们提出了一种针对基本 VAE 设计的新颖离群得分方法,称为误差降低(ER),其结合了从丢失版本中重建图像输入的概念,并考 - 用于前列腺癌症病变检测的超出分布的多视图自编码器
基于多个 T2w 方向的多流方法在医学影像数据中的无监督的离群分布检测应用于前列腺癌症状检测,并取得了比单一方向方法更好的检测效果(AUC:73.1 对比 82.3),表明了 MRI 在前列腺癌症状检测中无监督的离群分布检测的潜力。
- MIM-OOD: 针对医学图像中的离群检测的生成式遮罩图像建模
使用两个与任务相关的 Transformer,通过应用 MIM 模型来替代 AR 模型,实现对脑部 MRI 异常的快速检测和修复,明显优于 AR 模型,并获得近 25 倍的加速。
- ECCV了解无人监督的超出分布检测的数据不变量
该研究通过对不同基准和图像模态的大规模评估,表明目前最流行的无监督离群检测方法无法一致地优于基于预训练特征和 Mahalanobis 距离的简单异常检测器,并基于对训练数据集中的不变性的表征提出了一个无监督离群检测的特征描述,该特征被运用在