#64
summarized by : hiroyuki masuda
PANDA: Adapting Pretrained Features for Anomaly Detection and Segmentation

どんな論文か?

異常検知タスクにおける学習済みモデルの活用にフォーカスした論文。Pre-trainedモデル(ImageNet)から得られる特徴量は各種データセットの異常検知タスクでも有用であることを示した。またPre-trainedモデルのFine-tuneは異常検知タスクでは上手くいかず性能が低下する課題があったがこの課題を回避する手法を提案。Fine-tuneによる性能向上を実現した。
placeholder

新規性

・学習済みモデルを用いるシンプルな手法(DN2、SPADE)でdetection, segmentationの従来のSoTAを上回る精度を実現 ・1クラス分類のタスクにおいて、Fine-tune時の性能低下を抑える学習方法を提案。Early StoppingやContinual Learningのアプローチを取り入れることで、モデルの崩壊を軽減しSoTAを大幅に改善した

結果

DetectionとSegmentationの異常検知タスクにおいてSoTAを達成 ・Detection:CIFAR10, CIFAR100, FMNIST, Cats VS Dogs, DIORなど ・Segmentation:MVTec AD

その他(なぜ通ったか?等)

Pre-trainedモデルの特徴量を異常検知タスクに用いる手法はシンプルな構成で適応範囲が広いのが利点。Fine-tuneにより精度が向上したのはdetectionタスクのみなのでその点は注意 ・https://github.com/talreiss/PANDA