【文献阅读】SSD: A Unified Framework for Self-Supervised Outlier Detection (ICLR2021)

最新推荐文章于 2024-08-14 22:29:49 发布
最新推荐文章于 2024-08-14 22:29:49 发布
阅读量614 收藏 4
点赞数 1
分类专栏： paper_note 文章标签： 人工智能 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Q7777727/article/details/115598665
版权
SSD提出了一种仅使用未标记的分布内数据进行无监督异常检测的框架，通过自监督学习得到特征表示，并使用马氏距离进行距离度量。该框架无需细粒度标签，且通过聚类条件检测提升性能。
摘要由CSDN通过智能技术生成

择情阅读：SSD: A Unified Framework for Self-Supervised Outlier Detection (ICLR2021)

文章目录


#一、摘要
#二、Introduction(部分语句)
#三、SSD 介绍

一、摘要

（1）目前SOTA 的OOD检测器需要细粒度的标签（例子：白猫、黑猫、花猫）用来做监督训练，而作者提出的只需要分布内的数据即可，不需要细粒度的标签（unlabeled in-distribution data）
（2）使用自监督表示学习，在feature space上用马氏距离
（3）文章还进行了两个扩展，即a、可以从OOD样本中每一类取1-5个样本参与训练。b、训练数据加入细粒度标签

二、Introduction

核心问题:

Can we design an effective out-of-distribution (OOD) data detector with access to only unlabeled data from training distribution?

两个key：

（1）无监督训练学到好的特征表示
（2）不需要class labels 就可以对ID数据进行特征建模

（最近自监督表示学习取得了巨大的成就

最低0.47元/天 解锁文章
StatisticsLiu
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
文献阅读 - SSD: Single Shot MultiBox Detector
Always On The Way
07-10 653
SSD: Single Shot MultiBox Detector W. Liu, et al., SSD: Single Shot MultiBox Detector, ECCV (2016). 摘要 SSD（single shot detector）：将边界框（bounding boxes）的输出空间离散化为一组锚点 锚点（anchors，default boxes，default bo...
SSD: A UNIFIED FRAMEWORK FOR SELF- SUPERVISED OUTLIER DETECTION
weixin_42367537的博客
10-04 475
(异常检测)SSD: A UNIFIED FRAMEWORK FOR SELF-SUPERVISED OUTLIER DETECTION INTRODUCTION KEY CONTRIBUTIONS SSD EXPERIMENTAL RESULTS INTRODUCTION representation learning 设计一个仅使用无标签数据的OOD框架涉及到两个关键步骤： 通过无监督的训练方法学习一个好的特征表示 在不需要类标签的情况下对分布中的数据进行特征建模 本文在基于马氏距离的聚类
最详细的SSD论文笔记
陈建驱的博客
02-21 875
个人博客：http://www.chenjianqu.com/ 原文链接：http://www.chenjianqu.com/show-90.html
OOD : A Self-supervised Framework for Unsupervised Deep Outlier Detection e3笔记
ResumeProject的博客
09-15 427
然而，最近的研究（如[69]、[70]）表明，。相比之下，。另一种新兴的生成性DNN是s。尽管取得了丰硕的进展，但将其整合到OD[71]中仍然具有挑战性：首先，，通过GAN生成高质量的图像离群值仍然是一个开放的话题；其次，使用GANs进行有效的表征学习既不直接也不容易。相比之下，监督判别学习范式仍然是迄今为止学习图像语义和捕捉高层结构的最有效方法。因此，。
论文阅读：SSD: Single Shot MultiBox Detector
热门推荐
Simon's Blog
09-19 10万+
这篇 ECCV 2016 的文章，在既要保证检测速度，又要保证精度的情况下，提出了 SSD: Single Shot MultiBox Detector 物体检测模型。与现在流行的检测模型一样，将检测过程整个成一个 single deep neural network。便于训练与优化，同时提高检测速度。
SifrDB: A Unified Solution for Write-Optimized Key-Value Stores in Large Datacenter
02-08
However, current KV storage systems inevitably sacrifice at least one of the performance objectives, such as write, read, space efficiency etc., for the optimization of others. To understand the root...
论文研究-A Unified Subspace Outlier Ensemble Framework for Outlier Detection.pdf
08-17
A Unified Subspace Outlier Ensemble Framework for Outlier Detection，何增友，Xiaofei Xu，he task of outlier detection is to find small groups of data objects that are exceptional when compared with ...
A unified dimensionality reduction framework for semi-paired and semi-supervised multi-view data
02-09
Canonical correlation analysis (CCA) is a popular and powerful dimensionality reduction method to analyze paired multi-view data. However, when facing semi-paired and semi-supervised multi-view data ...
A Unified Model for Multi-class Anomaly Detection.pdf
08-10
1. 异常检测（Anomaly Detection）：是指在数据集中检测到不正常或异常的数据点或模式的过程。异常检测可以应用于制造缺陷检测、医疗图像分析、网络入侵检测等领域。 2. 统一模型（Unified Model）：是指将多类异常...
Active Transfer Learning Network: A Unified Deep Joint Spectral-Spatial Feature Learning Model for Hyperspectral Image Classification
02-07
To address this problem, this paper proposes a unified deep network, combined with active transfer learning (TL) that can be well-trained for HSIs classification using only minimally labeled training...
读论文（3）——SSD
MrBamboo2000的博客
10-23 1246
前言 原文名称《SSD:Single Shot MultiBox Detector》，也是一个十分经典的单阶段目标检测方法。从时间上看，这篇论文在YOLO v1之后，YOLO v2之前。因此其实在学完YOLO的三篇论文之后再看这个的顺序其实不太好，因为个人感觉YOLO v2和v3很大程度上SSD的一些东西拿过去又缝补到了YOLO上，这样就没法让我在读SSD时有很惊艳的感觉——因为很多东西感觉似曾相识。但是这样的好处是可以更好地理解这些共同点的有用之处——毕竟在两种方法上都能取得很好的效果。 ...
SSD（single shot multibox detector）算法及Caffe代码详解
AI之路
05-31 9万+
这篇博客主要介绍SSD算法，该算法是最近一年比较优秀的object detection算法，主要特点在于采用了特征融合。 论文：SSD single shot multibox detector 论文链接：https://arxiv.org/abs/1512.02325 算法概述： 本文提出的SSD算法是一种直接预测bounding box的坐标和类别的object detection...
SSD之硬的不能再硬的硬核解析
随煜而安的专栏
04-13 1637
数据增强 论文中关于数据增强的描述有两段，分别是2.2 training的末尾部分，以及3.6 Data Augmentation for Small Object Accuracy。 2.2 training 中关于数据增强的描述如下： 这部分介绍了SSD训练过程使用的数据增强策略，核心就是通过一定概率进行的随机采样来加强模型对于输入物体尺寸的鲁棒性。在随机采样之后，不同shape的patch...
深度学习 检测异常_深度学习用于异常检测：全面调查
weixin_26632369的博客
07-19 3155
深度学习 检测异常This post summarizes a comprehensive survey paper on deep learning for anomaly detection — “Deep Learning for Anomaly Detection: A Review” [1], discussing challenges, methods and opportunitie...
Anomaly Detection 异常检测之 Self-Supervised Outlier Detection 论文解读
蓝鲸鱼的博客
04-29 680
1. 异常检测背景介绍 符号说明 XXX：输入空间 YYY：标签空间 PX×YinP^{in}_{X×Y}PX×Yin​：分布内（in-distribution，ID） 数据（没有数据标签时：PXinP^{in}_{X}PXin​） PXoodP^{ood}_{X}PXood​：分布外（out-of-distribution，OoD） 数据 fff：特征提取器X→ZX→ ZX→Z、 其中Z⊂RdZ⊂ R^dZ⊂Rd（有监督学习中：g◦f:X→Rcg◦ f:X→ R^cg◦f:X→Rc） 问题表述 分布外（O
计算机视觉最新进展概览(2021年6月13日到2021年6月19日)
weixin_36670529的博客
02-25 1298
1、Robustness of Object Detectors in Degrading Weather Conditions** 最先进的自动驾驶目标检测系统在晴朗的天气条件下取得了良好的效果。然而，这种自动安全关键系统也需要在退化的天气条件下工作，如雨、雾和雪。不幸的是，大多数方法只对KITTI数据集进行评估，该数据集只包含晴朗的天气场景。在本文中，我们解决了这个问题，并在真实天气条件下捕获的数据上对单模态和双模态架构进行了最详细的评估。我们分析了这些体系结构在退化的天气条件下的性能退化。我们证明了在
C/C++开发，opencv内置背景减除算法与运动检测
最新发布
技术需要分享
08-14 511
C/C++开发，opencv内置背景减除算法的完整代码及编译过程示例
Spark MLlib 特征工程(上)
08-14 1223
特征选择的动机，在于提取与预测标的关联度更高的特征，从而精简模型尺寸、提升模型泛化能力。特征选择可以从两方面入手，业务出发的专家经验和基于数据的统计分析。归一化的目的，在于去掉不同特征之间量纲的影响，避免量纲不一致而导致的梯度下降震荡、模型收敛效率低下等问题。归一化的具体做法，是把不同特征都缩放到同一个值域。在这方面，Spark MLlib 提供了多种归一化方法供开发者选择。
根据哈希值或者特征值判断图片是否相同
Y_warmth
08-09 783
detectAndCompute 方法结合了特征检测和描述符计算两个步骤，可以在图像中检测出特征点并计算这些特征点的描述符。ORB（Oriented FAST and Rotated BRIEF）是一种结合了 FAST 特征检测器和 BRIEF 描述符的特征提取算法，具有旋转不变性和尺度不变性，适用于图像特征匹配、目标检测等任务。接着使用 ORB 对象的 detectAndCompute() 方法检测图像中的特征点并计算描述符，最后将特征点绘制在图像上并显示出来。
facenet: a unified embedding for face recognition and clustering
03-16
FaceNet是一种用于人脸识别和聚类的统一嵌入方法。它使用深度学习技术将人脸图像转换为高维向量，使得相似的人脸在向量空间中距离较近，不相似的人脸距离较远。这种方法在人脸识别和聚类任务中取得了很好的效果，被广泛应用于人脸识别、人脸搜索等领域。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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