Deep Nearest Neighbor Anomaly Detection

Das Verfahren der nächsten Nachbarn ist eine erfolgreiche und etablierte Methode zur Anomalieerkennung. In jüngster Zeit wurden erhebliche Fortschritte durch selbstüberwachte tiefe Verfahren (z. B. RotNet) erzielt. Selbstüberwachte Merkmale weisen jedoch typischerweise eine geringere Leistungsfähigkeit im Vergleich zu auf ImageNet vortrainierten Merkmalen auf. In dieser Arbeit untersuchen wir, ob die jüngsten Fortschritte tatsächlich die Leistung von Nachbarschaftsverfahren übersteigen können, die auf einem auf ImageNet vortrainierten Merkmalsraum basieren. Experimentell wird gezeigt, dass der einfache auf Nachbarn basierende Ansatz selbstüberwachte Methoden in Bezug auf Genauigkeit, Generalisierung bei wenigen Beispielen, Trainingszeit und Robustheit gegenüber Rauschen übertrifft, wobei weniger Annahmen über die Bildverteilung getroffen werden müssen.