초록
우리는 이미지에서의 이상 탐지 문제를 고려하고 새로운 탐지 기술을 제시합니다. "정상" 클래스(예: 개)에 속하는 것으로 알려진 이미지 샘플이 주어졌을 때, 분포 외 이미지를 감지할 수 있는 깊은 신경 모델을 훈련시키는 방법을 설명합니다. 우리의 방안의 핵심 아이디어는 주어진 모든 이미지에 수십 가지 기하학적 변환을 적용하여 이를 구분하도록 다중 클래스 모델을 훈련시키는 것입니다. 모델이 학습한 보조 전문 지식은 테스트 시에 변환된 이미지를 처리할 때 모델의 소프트맥스 활성화 통계를 바탕으로 이상적인 이미지를 효과적으로 식별하는 특징 검출기를 생성합니다. 제안된 검출기의 광범위한 실험 결과를 제시하며, 이 결과들은 우리의 알고리즘이 최신 방법론보다 크게 성능을 향상시킨다는 것을 나타냅니다.