HyperAI초신경

홈 플랫폼 문서 뉴스 연구 논문 튜토리얼 데이터셋 백과사전 SOTA LLM 모델 GPU 랭킹 컨퍼런스

한국어

HyperAI초신경

이상치 탐지

이상 탐지(anomaly detection)는 데이터셋의 대부분과 크게 벗어난 비정상적 또는 예상치 못한 패턴을 식별하는 이진 분류 작업입니다. 이 작업의 목적은 이러한 이상치를 찾아내어 오류, 사기, 또는 기타 비정상적인 이벤트를 나타낼 수 있는 데이터를 더 자세히 조사하도록 표시하는 것입니다. 이상 탐지는 금융 리스크 관리, 사이버 보안, 의료 진단 등 다양한 분야에서 중요한 응용 가치를 가지고 있습니다.

One-class CIFAR-10

UCR Anomaly Archive

Auto-Encoder with Regression (AER)

Fishyscapes L&F

One-class CIFAR-100

MuSc (zero-shot)

Background-Agnostic

Unlabeled CIFAR-10 vs CIFAR-100

One-class ImageNet-30

Numenta Anomaly Benchmark

Anomaly Detection on Unlabeled CIFAR-10 vs LSUN (Fix)

Leave-One-Class-Out ImageNet-30

Leave-One-Class-Out CIFAR-10

Hyper-Kvasir Dataset

AttentDifferNet (SENet-AlexNet)

Anomaly Detection on Anomaly Detection on Unlabeled ImageNet-30 vs Flowers-102

Anomaly Detection on Unlabeled ImageNet-30 vs CUB-200

MVTEC AD textures

Surface Defect Saliency of Magnetic Tile

Self-Supervised One-class SVM, RBF kernel

Self-Supervised One-class SVM, RBF kernel

UEA time-series datasets

MVTec AD Textures Domain Generalization

ASSIRA Cat Vs Dog

Shell-based Anomaly (supervisered)

MVTec 3D-AD (RGB)

PCA via oversampling

Forest CoverType

ShanghaiTech Campus

MIT-BIH Arrhythmia Database

Kaggle-Credit Card Fraud Dataset

Shell-based Anomaly (supervised)