要約
本稿では、正常な要素の非通常な組み合わせによって表現される異常を検出するために、集合特徴（set features）を用いる手法を提案する。多くの最先端手法は、サンプルの一部に異常な要素が含まれることを検出することで異常を発見する。例えば、最新のセグメンテーションベースのアプローチでは、まずサンプルの各要素（例えば画像のパッチ）を正常または異常として分類し、その中に異常な要素が含まれる場合にのみ、全体のサンプルを異常と判定する。しかし、このようなアプローチは、異常が正常な要素の非通常な組み合わせとして現れる状況には十分に拡張できない。本稿では、各サンプルをその要素の分布によってモデル化する集合特徴を提案することで、この制約を克服する。固定された特徴量を用いて単純な密度推定法により各サンプルの異常度スコアを計算する。本手法は、画像レベルの論理的異常検出および時系列データのシーケンスレベルでの異常検出において、従来の最先端手法を上回る性能を達成した。