【まとめ】ディープラーニングを使った異常検知 - Qiita

実装 コード全体はこちら DOC 実装はこちらを参考にしてください。 L2-Softmax-Loss 異常検知ではありませんが、こちらで実装しています。 ArcFace 実装は、こちらを参考に（ほとんどコピー）させていただきました。 結果 Fashion MNISTの結果 L2-SoftmaxLossとArcFaceが良いスコアを示しました。 やはり、距離学習による異常検知は性能が良いようです。 中央値が重なって見づらいですが、DOCとの差は中央値で0.05ポイント （全体の精度は10%くらい？）の差が出ています。 L2-SoftmaxLossは、以前の結果と食い違っていますが、以前は データ数も少なく、最適化手法のlrも違う値でした。 cifar-10の結果 こちらも、L2-SoftmaxLossとArcFaceが良いスコアになりました。 DOCとの差はさらに大きくなっています。 met

[stealthinu]

異常検知はmetric learningが強いという話。長野の方？と思って見たら松本・塩尻方面でデータ分析勉強会されてる方だった。

[Nyoho]

metric learning

[tmatsuu]

メモ

[sonots]

metric learning が異常検知にも使えるのか

[knok]

Fashion-MNISTやCIFAR-10をベンチマークにしているけど、一般的なユースケース(正常と異常の差分がわずかしかない)とは乖離がある気がする