要約
画像における異常検出の問題を取り上げ、新しい検出技術を提案します。正常なクラス（例：犬）に属することが既知の画像サンプルが与えられた場合、当該モデルが分布外の画像（つまり、非犬オブジェクト）を検出できる深層ニューラルモデルの訓練方法を示します。我々の手法の主なアイデアは、与えられたすべての画像に対して数十種類の幾何学的変換を区別する多クラスモデルを訓練することです。モデルが学習した補助的な専門知識により、テスト時に変換された画像に対するモデルのソフトマックス活性統計に基づいて異常な画像を効果的に識別する特徴検出器が生成されます。提案された検出器を使用した広範な実験結果を提示し、それらは我々のアルゴリズムが最先端の方法よりも大幅に性能を向上させることを示しています。