【まとめ】ディープラーニングを使った異常検知 - Qiita
ディープラーニングを使った異常検知が進歩していますが、最新情報を追うのが大変です。 ここでは、最新情報をまとめておきます（随時更新）。 本稿では、以下の内容を記します。 ディープラーニングを使った異常検知について、簡単に歴史をまとめます。 最新の手法（2019年当時）について、ベンチマークを行います。 歴史 完全に独断と偏見で作った歴史です。 全ての論文は読めていないので、ご了承ください。 【～2017年】オートエンコーダによる異常検知 オートエンコーダによる異常検知 2、3年前はオートエンコーダによる異常検知が主流でした。オートエンコーダでは、元画像と再構築画像との差をとって、その和が大きいとき異常と認識させています。Qiitaの記事でも、オートエンコーダによる異常検知はたくさんありますので、気になる人は探してみてください。 Variational AutoEocoder（VAE）による
「FCOS」、RetinaNetを超えたアンカーフリー物体検出
アンカーの時代は終わりを迎えたかも (Photo by Stogafy)コンピュータービジョン(Computer Vision, CV)はここ数年の研究により大きな進歩を得られました。Imagenet等のベンチマークテストで人間を超えた高い精度を出し続け、様々な領域で応用されています。色んなCVタスクの中でも物体検出(Object Detection)はリアルタイムで物体が何処にあるかを検出できるため、CVの中でもトップクラスの課題です。 ここ数年、ベンチマークテストで物体検出の精度でトップに立っているのはRetinaNet、YOLOv2とSSDなどを始めとした、アンカーボックス(anchor box)を使って物体の位置を推測する方法です。しかし、事前に設定されたアンカーボックスで物体検出を行う方法には欠点が複数あるため、最近では DenseBox等のアンカーボックスを使わないアンカーフリ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
