#394
summarized by : Hiroki Kobayashi
Anomaly Detection via Reverse Distillation From One-Class Embedding
Hanqiu Deng; Xingyu Li

どんな論文か？

知識の逆蒸留を用いた異常検知手法の提案．従来の蒸留ベース異常検知手法は，教師モデルと生徒モデルが出力する特徴量の違いから異常を検知するが，①２つのモデルの構造が類似している点，②２つの入力データの種類が同一である点から，異常データ入力時に特徴量の違いが生まれにくいという問題があった．そこで本論文では，エンコーダ型の教師モデルに対称的な構造を持つデコーダ型の生徒モデルを用いた異常検知手法を提案した．
placeholder

新規性

教師モデルと生徒モデルを同じ構造に設計せず，それぞれエンコーダとデコーダの構造に設計した点．

結果

MVTec ADを用いて，画像レベル（Detection AUROC），画素レベル（Segmentation AUROC，PRO: Per-Region-Overlap）の異常検知性能を評価した．Detection AUROC，Segmentation AUROC，PROは，それぞれ98.5，97.8，93.9と，最先端の手法であるPaDiM（95.5，97.5，92.1）より高い性能を達成した．

その他（なぜ通ったか？等）

GitHub: https://github.com/hq-deng/RD4AD

このページで利用されている画像は論文から引用しています．