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)
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