Image Anomaly Detection by GAN Inversion

NCU Institutional Repository > 資訊電機學院 > 資訊工程學系碩士在職專班 > 博碩士論文 > Item 987654321/93018

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/93018

题名:	Image Anomaly Detection by GAN Inversion
作者:	胡琦;Hu, Chi
贡献者:	資訊工程學系在職專班
关键词:	異常偵測;生成對抗網路;生成對抗網路逆映射;Anomaly Detection;Generative Adversarial Network;GAN Inversion
日期:	2023-07-14
上传时间:	2024-09-19 16:38:44 (UTC+8)
出版者:	國立中央大學
摘要:	異常檢測在資料分析領域中起著基石般的作用，對於金融欺詐檢測、醫療診斷、工業缺陷偵測，以及網絡安全等眾多領域具有至關重要的影響。隨著資料規模與複雜性的增加，能有效偵測異常資料的方法變得越來越重要且具有挑戰性。在本研究中，我們提出了利用生成對抗網路(GAN)與編碼器(encoder)的架構來進行異常圖片的偵測，並僅以正常資料作為訓練資料，利用重建誤差(reconstuction error)來進行異常偵測。結果中顯示，我們提出的方法在使用生成對抗網路架構進行異常偵測的偵測能力上，相較於目前領域中最先進的模型仍有更佳的表現。;Anomaly detection is one of the fundamental elements in data analysis, which is crucially influencing various industrial sectors. With the increasing volumes and complexity of the data, finding efficient anomaly detection methods has become increasingly important and challenging. However, the scarcity of anomaly data makes the training of anomaly detection models extremely difficult. To address this issue, this study proposes a method to identify anomalous images utilizing a generative adversarial network (GAN) combined with an encoder structure, leveraging only normal data for training and employing reconstruction error for anomaly detection. The experimental results indicate that our proposed method outperforms the state-of-the-art in anomaly detection using the GAN architecture. Furthermore, we identify an interesting relationship between the problems of anomaly detection and one-class novelty detection.
显示于类别:	[資訊工程學系碩士在職專班 ] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	26	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....