الرئيسية المنصة الوثائق الأخبار الأوراق البحثية الدروس مجموعات البيانات الموسوعة SOTA نماذج LLM لوحة الأداء GPU الفعاليات

العربية

كشف الأخطاء

اكتشاف الشذوذ هو مهمة تصنيف ثنائية تهدف إلى تحديد الأنماط غير العادية أو غير المتوقعة التي تختلف بشكل كبير عن معظم البيانات في مجموعة البيانات. هدف هذه المهمة هو اكتشاف هذه القيم الشاذة، والتي قد تمثل أخطاءً، أو عمليات احتيال، أو أنواعًا أخرى من الأحداث غير الطبيعية، ووضع علامة عليها للتحقيق فيها بشكل أكبر. للاكتشاف الشاذ أهمية كبيرة في مجالات مثل السيطرة على المخاطر المالية، والأمان السيبراني، والتشخيص الطبي.

One-class CIFAR-10

UCR Anomaly Archive

Auto-Encoder with Regression (AER)

Fishyscapes L&F

One-class CIFAR-100

MuSc (zero-shot)

Background-Agnostic

Unlabeled CIFAR-10 vs CIFAR-100

One-class ImageNet-30

Numenta Anomaly Benchmark

Anomaly Detection on Unlabeled CIFAR-10 vs LSUN (Fix)

Leave-One-Class-Out ImageNet-30

Leave-One-Class-Out CIFAR-10

Hyper-Kvasir Dataset

AttentDifferNet (SENet-AlexNet)

Anomaly Detection on Anomaly Detection on Unlabeled ImageNet-30 vs Flowers-102

Anomaly Detection on Unlabeled ImageNet-30 vs CUB-200

MVTEC AD textures

Surface Defect Saliency of Magnetic Tile

Self-Supervised One-class SVM, RBF kernel

Self-Supervised One-class SVM, RBF kernel

UEA time-series datasets

MVTec AD Textures Domain Generalization

ASSIRA Cat Vs Dog

Shell-based Anomaly (supervisered)

MVTec 3D-AD (RGB)

PCA via oversampling

Forest CoverType

ShanghaiTech Campus

MIT-BIH Arrhythmia Database

Kaggle-Credit Card Fraud Dataset

Shell-based Anomaly (supervised)