高速アウトオフ分布および異常検出のための部分空間モデリング【JST・京大機械翻訳】

Ndiour Ibrahima J.; Ahuja Nilesh A.; Tickoo Omesh

プレプリント

J-GLOBAL ID：202202206503783152 整理番号：22P0307072

高速アウトオフ分布および異常検出のための部分空間モデリング【JST・京大機械翻訳】

Subspace Modeling for Fast Out-Of-Distribution and Anomaly Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月19日プレプリントサーバーでの情報更新日： 2022年03月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,深層ニューラルネットワーク(DNN)における異常および外分布(OOD)サンプルを検出するための高速,原理的アプローチを示した。DNNにより生成された意味的特徴に対する線形統計的次元縮小技法の適用を提案し,この特徴により真に広がる低次元部分空間を捉えた。高次元空間における元の特徴と低次元縮小埋込みの事前画像の間の差のl_2ノルムである「特徴再構成誤差」(FRE)は,OODと異常検出に非常に有効であることを示す。任意の層で生成した中間特徴に一般化するために,非線形カーネルベース法を適用することにより方法論を拡張した。標準画像データセットおよびDNNアーキテクチャを用いた実験により,提案手法は,最高クラス品質性能を満たすか,あるいは,その技術状態によって要求される計算およびメモリコストの分数において,それを満たすことを実証した。それは,従来のCPUに関してさえ,非常に効率的に訓練して,実行することができた。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, ,

前のページに戻る