Anomaly GAN 总结

AnoGAN是一种使用GAN做异常检测的模型。
这篇博客主要介绍这篇paper中的模型:Unsupervised Anomaly Detection with
Generative Adversarial Networks to Guide Marker Discovery
.

这篇paper的基本思路是通过正常的图像来训练GAN,这样得到的GAN就会根据噪声来生成正常图像。

这篇文章最大特点是通过比较生成图像和异常图像,通过它们的差异来更新输入GAN的噪声,以此得到异常图相对应的正常图,这样甚至可以找到异常的位置。
作者定义第一个residual loss来衡量query image x x 和生成图片G(Zy)的差异,用来更新噪声z
LR(Zy)=|xG(Zy)| L R ( Z y ) = ∑ | x − G ( Z y ) |
作者还定义了一个discrimination loss也用来更新噪声
LD(Zy)=|f(x)f(G(Zy))| L D ( Z y ) = ∑ | f ( x ) − f ( G ( Z y ) ) |
其中 f 表示discrimination 网络中一个高级中间层, 这个discrimination loss衡量生成图和输入图在这一层layer上的差异,从而更新噪声,使得生成图和输入图更接近。
最后的loss是
L=λLD(Zy)+(1λ)LR(Zy) L = λ L D ( Z y ) + ( 1 − λ ) L R ( Z y ) .
之前提到过,generator和didcriminator是已经在正常图像上训练好了的,他们的trained weight是保持不变,只更新这个噪声。
最后当异常图和生成图足够接近时候,我们就可以通过阈值法找到异常图,并且找到异常的位置。

  • 2
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 11
    评论
Anomaly Transformer是一种基于变压器的异常检测模型,它使用自适应和对抗训练过程。该模型的架构使其能够快速训练和测试,并且能够处理大输入序列。与简单的基于变压器的编码器-解码器网络相比,Anomaly Transformer通过一种对抗性训练程序来缓解重建误差,从而更好地检测异常。\[2\] 在Anomaly Transformer的代码中,可以看到使用了一种名为EncoderAtt的编码器。在该编码器中,通过将原来的.cuda()替换为.to(device),将模型移动到指定的设备上进行训练和推断。具体来说,self.encoder = EncoderAtt(input_size=self.X.shape\[1\], hidden_size=encoder_hidden_size, T=T).to(device)这行代码将EncoderAtt模型移动到指定的设备上。\[3\] Anomaly Transformer的代码可以在GitHub上找到,具体地址是:GitHub - thuml/Anomaly-Transformer: About Code release for "Anomaly Transformer: Time Series Anomaly Detection with Association Discrepancy" (ICLR 2022 Spotlight) \[1\]。你可以在该代码库中找到更多关于Anomaly Transformer的实现细节和使用方法。 #### 引用[.reference_title] - *1* *3* [Anomaly-Transformer (ICLR 2022 )代码通过CPU复现](https://blog.csdn.net/weixin_44385635/article/details/130146282)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [TranAD: Deep Transformer Networks for Anomaly Detection in Multivariate Time Series Data](https://blog.csdn.net/zj_18706809267/article/details/125059124)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 11
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值