Anomaly Detection

Anomaly Detection 에 관한 모든 것을 살펴봅니다. Anomaly Detection 이란 무엇인지, 왜 어려운 문제인지, 활용 방안은 무엇인지, 데이터셋은 어떠한 것들이 있는지, 연구 흐름은 어떻게 진행되고 있는지 알아봅니다.

이번 글에서는 One Class Classification 방식의 Anomaly Detection 방법에 대해 소개합니다. 먼저 One Class Classification 방식의 큰 그림을 살펴볼 거고요. 이어서 대표적인 방법들에 대해 하나씩 간략하게 살펴보도록 하겠습니다.

Deep SVDD 논문의 핵심 내용을 리뷰합니다. 먼저 기존 방법의 문제점을 살펴봅니다. 이어서 이를 해결하기 위한 Deep SVDD의 제안 방법을 살펴봅니다. 마지막으로 성능 비교 실험을 통해 Deep SVDD의 효과를 확인합니다.

One Class Deep SVDD를 Semi Supervised Learning 방식으로 확장한 Deep SAD 방법을 설명합니다.

Patch SVDD 논문의 핵심 내용을 리뷰합니다. 먼저 기존 방법의 문제점을 살펴봅니다. 이어서 이를 해결하기 위한 Patch SVDD의 제안 방법을 살펴봅니다. 마지막으로 성능 비교 실험을 통해 Patch SVDD의 효과를 확인합니다.

Deep One-Class Classification 방식에 Fully Convolutional Network를 적용한 Anomaly Detection 방법론을 제안합니다. Transposed Convolution을 사용한 Heatmap을 이용하여 Explainable 한 모델을 제작합니다.

이번 글에서는 Reconstruction 방식의 Anomaly Detection 방법에 대해 설명합니다. 먼저 Reconstruction 방식 Anomaly Detection 방법의 큰 그림을 살펴보고요. 대표적인 방법들을 하나씩 간략하게 살펴보겠습니다.

AnoGAN 논문의 핵심 내용을 리뷰합니다. 먼저 기존 방법의 문제점을 살펴봅니다. 이어서 이를 해결하기 위한 AnoGAN의 제안 방법을 살펴봅니다. 마지막으로 성능 비교 실험을 통해 AnoGAN의 효과를 확인합니다.

GANomaly 논문의 핵심 내용을 리뷰합니다. 먼저 기존 방법의 문제점을 살펴봅니다. 이어서 이를 해결하기 위한 GANomaly의 제안 방법을 살펴봅니다. 마지막으로 성능 비교 실험을 통해 GANomaly의 효과를 확인합니다.

VAE에 grad-CAM을 활용한 attention loss를 적용한 anomaly detection 방법론을 제안합니다. Unsupervised 방식과 weakly supervised 방식을 제안합니다.