4 个月前

异常检测需要更好的表示方法

异常检测需要更好的表示方法

摘要

异常检测旨在识别不寻常的现象,这是科学和工业领域中的一个核心任务。由于异常现象在训练过程中是不可预见且未知的,因此该任务本质上是无监督的。近期在自监督表示学习方面的进展直接推动了异常检测性能的提升。在本文中,我们首先解释了如何利用自监督表示轻松实现常见异常检测基准测试中的最先进性能。随后,我们认为要应对下一代异常检测任务,需要在表示学习的技术和概念上进行新的改进。

代码仓库

基准测试

基准方法指标
anomaly-detection-on-oddsICL
AUROC: 0.889
F1: 0.681
anomaly-detection-on-oddskNN
AUROC: 0.902
F1: 0.699
anomaly-detection-on-oddsGOAD
AUROC: 0.782
F1: 0.544
anomaly-detection-on-one-class-cifar-10DINO-FT
AUROC: 98.4

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
异常检测需要更好的表示方法 | 论文 | HyperAI超神经