极市导读
我们对2020年全部计算机视觉综述论文进行了分方向梳理,本文为异常检测方向。 >>加入极市CV技术交流群,走在计算机视觉的最前沿
引言
在过去的一年中,计算机视觉领域出现了许多优秀的工作,并推动了相关领域的技术发展与进步。去年上半年,极市曾盘点过计算机视觉领域综述论文,并进行了分类整理,得到了很多读者的支持。因此,在2021年初,我们对2020年出现的全部计算机视觉综述论文进行了分方向梳理,希望能帮助大家学习进步。本文是第六篇,异常检测方向。
注:文章将同步更新于Github上,欢迎大家 star/fork(点击阅读原文即可跳转):
https://github.com/extreme-assistant/survey-computer-vision
综述一
Deep Learning for Medical Anomaly Detection -- A Survey
标题: 深度学习在医学异常检测中的应用--综述
作者: Tharindu Fernando,Harshala Gammulle,Simon Denman,Sridha Sridharan,Clinton Fookes
链接: https://arxiv.org/abs/2012.02364
本文共梳理150篇相关文献 基于机器学习的医学异常检测是一个已广泛研究的重要问题。已经在各种医学应用领域中提出了许多方法,并且我们在这些不同的应用中观察到一些相似之处。尽管有这种可比性,但我们发现这些多样化的研究应用程序缺乏结构化的组织,因此无法研究其优势和局限性。本文主要目的是为医学异常检测中流行的深度学习技术提供透彻的理论分析。本文对最新技术进行了连贯和系统的评估,比较并对比了它们的体系结构差异以及培训算法。此外,本文提供了可用于解释模型决策的深度模型解释策略的全面概述,概述了现有深度医学异常检测技术的关键局限性,并提出了进一步研究的关键研究方向。
医疗数据处理的主要阶段以及异常检测与其他阶段的关系说明:
递归神经网络结构及其在时间上展开的插图:
模型解释方法的分类:
创建类激活图的过程的图示:
综述二
A Survey on Deep Learning Techniques for Video Anomaly Detection
标题 :视频异常检测中的深度学习技术综述
作者 :Jessie James P. Suarez, Prospero C. Naval Jr
链接:https://arxiv.org/abs/2009.14146
视频异常检测是一个已经研究了十多年的问题。由于其广泛的适用性,这一领域引起了研究人员的兴趣。因此,多年来提出了各种各样的方法,这些方法的范围从基于统计的方法到基于机器学习的方法。已经对该领域进行了许多调查,但是本文着重于概述使用深度学习的异常检测领域的最新进展。深度学习已成功应用于许多人工智能领域,例如计算机视觉,自然语言处理等。但是,本次调查的重点是深度学习的改进方式,并为视频异常检测领域提供了更多见解。本文针对目标对不同的深度学习方法进行了分类。此外,它还讨论了常用的数据集以及常用的评估指标。然后,进行了综合所有最新方法的讨论,以为将来的研究提供方向和可能的领域。
Chandola等人的简单异常案例,2009年:
基准数据集概述:
UCSD行人示例异常:
推荐阅读