• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Pattern Recognition and Artificial Intelligence >Supervised Anomaly Detection with Highly Imbalanced Datasets Using Capsule Networks
【24h】

Supervised Anomaly Detection with Highly Imbalanced Datasets Using Capsule Networks

机译：使用胶囊网络监督异常检测与高度不平衡的数据集

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Detecting anomalous patterns in data is a relevant task in many practical applications, such as defective items detection in industrial inspection systems, cancer identification in medical images, or attacker detection in network intrusion detection systems. This paper focuses on detection of anomalous images, this is images that visually deviate from a reference set of regular data. While anomaly detection has been widely studied in the context of classical machine learning, the application of modern deep learning techniques in this field is still limited. We here propose a capsule-based network for anomaly detection in an extremely imbalanced fully supervised context: we assume that anomaly samples are available, but their amount is limited if compared to regular data. By using a variant of the standard CapsNet architecture, we achieved state-of-the-art results on the MNIST, F-MNIST and K-MNIST datasets.
机译：检测数据中的异常模式是许多实际应用中的相关任务，例如在工业检查系统中的缺陷物品检测，医学图像中的癌症识别或网络入侵检测系统中的攻击者检测。 本文重点介绍了异常图像的检测，这是从视觉上偏离的常规数据集的图像。 虽然在古典机器学习的背景下广泛研究了异常检测，但在该领域的应用仍然有限。 我们在这里提出了一种基于胶囊的网络，用于在极其不平衡的完全监督背景下进行异常检测：我们假设有异常样本可用，但与常规数据相比，它们的金额有限。 通过使用标准Capsnet架构的变体，我们在Mnist，F-Mnist和K-Mnist数据集上实现了最先进的结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号