点上方蓝字计算机视觉联盟获取更多干货

在右上方 ··· 设为星标 ★，与你不见不散

仅作学术分享，不代表本公众号立场，侵权联系删除

转载于：作者丨cynthia yawain

编辑丨极市平台

AI博士笔记系列推荐

周志华《机器学习》手推笔记正式开源！可打印版本附pdf下载链接

综述一

Deep Learning for Medical Anomaly Detection -- A Survey
标题： 深度学习在医学异常检测中的应用--综述
作者： Tharindu Fernando,Harshala Gammulle,Simon Denman,Sridha Sridharan,Clinton Fookes
链接： https://arxiv.org/abs/2012.02364

本文共梳理150篇相关文献 基于机器学习的医学异常检测是一个已广泛研究的重要问题。已经在各种医学应用领域中提出了许多方法，并且我们在这些不同的应用中观察到一些相似之处。尽管有这种可比性，但我们发现这些多样化的研究应用程序缺乏结构化的组织，因此无法研究其优势和局限性。本文主要目的是为医学异常检测中流行的深度学习技术提供透彻的理论分析。本文对最新技术进行了连贯和系统的评估，比较并对比了它们的体系结构差异以及培训算法。此外，本文提供了可用于解释模型决策的深度模型解释策略的全面概述，概述了现有深度医学异常检测技术的关键局限性，并提出了进一步研究的关键研究方向。

医疗数据处理的主要阶段以及异常检测与其他阶段的关系说明：

递归神经网络结构及其在时间上展开的插图：

模型解释方法的分类：

创建类激活图的过程的图示：

综述二

A Survey on Deep Learning Techniques for Video Anomaly Detection
标题 ：视频异常检测中的深度学习技术综述
作者 ：Jessie James P. Suarez, Prospero C. Naval Jr
链接：https://arxiv.org/abs/2009.14146

视频异常检测是一个已经研究了十多年的问题。由于其广泛的适用性，这一领域引起了研究人员的兴趣。因此，多年来提出了各种各样的方法，这些方法的范围从基于统计的方法到基于机器学习的方法。已经对该领域进行了许多调查，但是本文着重于概述使用深度学习的异常检测领域的最新进展。深度学习已成功应用于许多人工智能领域，例如计算机视觉，自然语言处理等。但是，本次调查的重点是深度学习的改进方式，并为视频异常检测领域提供了更多见解。本文针对目标对不同的深度学习方法进行了分类。此外，它还讨论了常用的数据集以及常用的评估指标。然后，进行了综合所有最新方法的讨论，以为将来的研究提供方向和可能的领域。

Chandola等人的简单异常案例，2009年：

基准数据集概述：

UCSD行人示例异常：

end

我是王博Kings，一名985AI博士，在Github上开源了机器学习、深度学习等一系列手推笔记，获得了不少同学的支持。

这是我的私人微信，还有少量坑位，可与相关学者研究人员交流学习 

目前开设有人工智能、机器学习、计算机视觉、自动驾驶（含SLAM）、Python、求职面经、综合交流群扫描添加CV联盟微信拉你进群，备注：CV联盟

王博Kings 的公众号，欢迎关注，干货多多

王博Kings的系列手推笔记（附高清PDF下载）：

博士笔记 | 周志华《机器学习》手推笔记第一章思维导图

博士笔记 | 周志华《机器学习》手推笔记第二章“模型评估与选择”

博士笔记 | 周志华《机器学习》手推笔记第三章“线性模型”

博士笔记 | 周志华《机器学习》手推笔记第四章“决策树”

博士笔记 | 周志华《机器学习》手推笔记第五章“神经网络”

博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机（上）

博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机（下）

博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类（上）

博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类（下）

博士笔记 | 周志华《机器学习》手推笔记第八章集成学习（上）

博士笔记 | 周志华《机器学习》手推笔记第八章集成学习（下）

博士笔记 | 周志华《机器学习》手推笔记第九章聚类

博士笔记 | 周志华《机器学习》手推笔记第十章降维与度量学习

博士笔记 | 周志华《机器学习》手推笔记第十一章特征选择与稀疏学习

博士笔记 | 周志华《机器学习》手推笔记第十二章计算学习理论（上）

博士笔记 | 周志华《机器学习》手推笔记第十二章计算学习理论（下）

博士笔记 | 周志华《机器学习》手推笔记第十三章半监督学习

博士笔记 | 周志华《机器学习》手推笔记第十四章概率图模型

点个在看支持一下吧