【论文笔记】Catching Both Gray and Black Swans: Open-set Supervised Anomaly Detection*
论文
论文题目:Catching Both Gray and Black Swans: Open-set Supervised Anomaly Detection*
收录:CVPR2022
论文地址:[2203.14506] Catching Both Gray and Black Swans: Open-set Supervised Anomaly Detection (arxiv.org)
项目地址:GitHub - Choubo/DRA: Official PyTorch implementation of the paper “Catching Both Gray and Black Swans: Open-set Supervised Anomaly Detection”, open-set anomaly detection, few-shot anomaly detection.
论文翻译:Catching Both Gray and Black Swans: Open-set Supervised Anomaly Detection_appron的博客-CSDN博客
本文讲的是关于开放数据集上图像异常检测的问题,文中将很多知识框架信息都隐去了,想具体了解的可以先看另一篇论文《Deep Anomaly Detection with Deviation Networks》,几篇解读写的很明白,看完后就基本能理解本文的框架了。
《Deep Anomaly Detection with Deviation Networks》
论文来源 | KDD 2019
论文链接 | [1911.08623] Deep Anomaly Detection with Deviation Networks (arxiv.org)
源码链接 | GitHub - GuansongPang/deviation-network: Source code of the KDD19 paper "Deep anomaly detection with deviation networks", weakly/partially supervised anomaly detection, few-shot anomaly detection
论文解读 | DevNet:基于偏差网络的深度异常检测模型 | 梦家博客 (dreamhomes.top)
论文分享 | Deep Anomaly Detection with Deviation Networks (qq.com)
DevNet半监督异常识别模型 - 知乎 (zhihu.com)
整体框架图解读:Deep Anomaly Detection with Deviation Networks
论文解读 Catching Both Gray and Black Swans: Open-set Supervised Anomaly Detection*
数据集展示
论文改进
主要内容&贡献
关键点
【读论文04】CVPR2022选读_要谦年人的博客-CSDN博客
问题定义
思路
框架
代码解读
4个head
数据预处理
可见异常样本读取
伪异常样本生成
模型输入
解耦异常得分
返回值
Loss
BEC Loss、Focal Loss和Dev Loss的比较
分离异常学习,各head的loss
实验
实验细节
普通设定结果
困难设定结果
消融实验
每个异常学习head的重要性
伪异常样本生成方式比较
解耦学习的重要性 及 参考图像数量 比较
【论文笔记】Catching Both Gray and Black Swans: Open-set Supervised Anomaly Detection*相关推荐
- 论文笔记 ISCC 2019|BGP Dataset Generation and Feature Extraction for Anomaly Detection
文章目录 1 简介 1.1 动机 1.2 创新 2 背景知识 3 方法 3.1 特征提取 3.2 数据集生成 3.3 流量行为趋势分析 3.3.1 Anomaly and regular traffi ...
- 【阅读笔记】《Catching Both Gray and Black Swans: Open-set Supervised Anomaly Detection》
Catching Both Gray and Black Swans: Open-set Supervised Anomaly Detection 文章目录 Catching Both Gray an ...
- Catching Both Gray and Black Swans: Open-set Supervised Anomaly Detection
Catching Both Gray and Black Swans: Open-set Supervised Anomaly Detection 摘要 尽管大多数现有的异常检测研究只假设有正常的训练 ...
- 【论文笔记】Hierarchical Paired Channel Fusion Network for Street Scene Change Detection
论文 论文题目:Hierarchical Paired Channel Fusion Network for Street Scene Change Detection 收录:IEEE Transac ...
- 论文笔记-Suppress and Balance: A Simple Gated Network for Salient Object Detection
Hello, 今天是论文阅读计划的第19天啦- 也是我在这30天中要介绍的最后一篇目标检测的论文啦 一.背景 最显著的目标检测方法使用的基本结构是三角网或特征金字塔网络(FPN).这些方法忽略了编码器 ...
- 论文笔记-DeepLung: Deep 3D Dual Path Nets for Automated Pulmonary Nodule Detection and Classification
这篇论文来自与加州大学欧文分校,百度研究和腾讯AI医学AI实验室. 该论文提出了一整套自动检测和分类肺结节的系统.系统架构如下图: 前半部分为肺结节检测系统,采用3D Faster R-CNN网络来检 ...
- 【论文笔记】—毫米波雷达穿雾式高分辨率成像—Supervised—HawkEye系统—2020-CVPR
题目:Through Fog High-Resolution Imaging Using Millimeter Wave Radar 利用毫米波雷达进行穿雾式高分辨率成像 DOI:10.1109/CV ...
- 【论文笔记】Exploring Temporal Coherence for More General Video Face Forgery Detection
* Exploring Temporal Coherence for More General Video Face Forgery Detection 题目:探索更一般的视频人脸伪造检测的时间相干性 ...
- 论文笔记-F3Net:Fusion, Feedback and Focus for Salient Object Detection
论文笔记之2020-AAAI-F3Net-F3Net:Fusion, Feedback and Focus for Salient Object Detection 论文地址:https://arxi ...
最新文章
- python-docx表格设置实线_python docx加入表格 在表格中加图,设置框线
- java 反射遍历_java使用反射遍历类的字段
- 01_AssignmentOperator详细解释
- 07、08 条件渲染、列表渲染
- 经典面试题(4):use strict 有什么意义和好处?
- 锻炼编程逻辑_通过锻炼提高编程技巧
- Python debug —— invalid literal for int() with base 10
- 开发环境ubuntu16.04常用工具和设置(git、ssh、python、sh、java、Maven、mysql、postgresql)
- 《Effective Python 2nd》 读书笔记——列表与字典
- C++构造函数详解(复制构造函数)
- 安装PHP ImageMagick笔记
- 破解滑块验证码(打码平台)
- 宠物管理系统mysql_基于java+MySQL的宠物管理系统
- matlab2018求多元函数驻点,机械优化设计课后习题答案.doc
- 【Linux】僵尸进程(Z状态)和孤儿进程
- HC32l130单片机的delay函数怎么写
- (MC维嘉)JAVA 面向对象(3)
- 【NOI2011】bzoj2434 阿狸的打字机
- osm数据下载 python_osm数据下载 python_批量下载osm的分区域的osm文件
- 微信小程序 18 播放记录和video页面初步搭建