17일 전

DASVDD: 이상 탐지용 깊이 학습 자동에코딩 서포트 벡터 데이터 기술자

Hadi Hojjati, Narges Armanfard
DASVDD: 이상 탐지용 깊이 학습 자동에코딩 서포트 벡터 데이터 기술자
초록

반감독 학습 기반 이상 탐지 기법은 정상 샘플만을 사용하여 모델을 학습시켜 이상을 탐지하는 것을 목표로 한다. 최근 딥러닝 기술의 발전에 따라 효율적인 딥 이상 탐지 방법들이 설계되고 있다. 기존 연구들은 일반적으로 신경망을 활용하여 데이터를 더 정보량이 풍부한 표현으로 매핑한 후, 이상 탐지 알고리즘을 적용하는 방식을 사용한다. 본 논문에서는 자동차 인코더의 파라미터를 동시에 학습하면서 잠재 표현 공간 내에 존재하는 포괄 초구(hyper-sphere)의 부피를 최소화하는 방법, 즉 DASVDD(Dual-Autoencoder Sphere Volume Minimization)를 제안한다. 제안하는 방법은 자동차 인코더의 재구성 오차와 잠재 표현 공간 내 초구 중심으로부터의 거리의 조합을 기반으로 한 이상 점수(anomaly score)를 도입한다. 이 이상 점수를 최소화함으로써 학습 과정에서 정상 클래스의 진정한 분포를 효과적으로 학습할 수 있다. 이상 점수에 재구성 오차를 포함시킴으로써, DASVDD 모델은 잠재 표현 공간에서 모든 입력을 동일한 상수 점으로 매핑하는 '초구 붕괴(hypersphere collapse)'라는 일반적인 문제를 피할 수 있다. 다양한 기준 데이터셋에 대한 실험 평가 결과, 제안된 방법은 일반적으로 사용되는 최첨단 이상 탐지 알고리즘들을 능가하며, 다양한 이상 유형에 걸쳐 안정적인 성능을 유지함을 확인하였다.