DB's Database

1. Detection 모델의 종류 One-stage detection faster & simpler, but lower accuracy Two-stage detection: slower, but higher accuracy First stage: generates a sparse set of candidate object detection Two-stage cascade to remove easy negatives Second stage: classifies each candidate location as one of the foreground classes or as background using CNN Sampling heuristics: foreground-background ratio (1:3)..

Data Source: https://www.nature.com/articles/s41591-021-01593-2 This journal paper uses data collected from smartwatch to predict possible COVID-10 infection. I wish to use this data to train deep learning model to see whether or not the prediction result will improve.

Density Estimation What is density estimation? random variable’s possible values and their probabilities for each possible value density = probability density. estimation pdf. relative likelihood 1. parametric: What is a Gaussian Mixture Model? mix of Gaussian distributions way of clustering. need to provide k (=number of clusters) k determines the number of Gaussian distributions splitting from..

Time Series Anomaly Detection using Temporal Hierarchical One-Class (THOC) Network Abstract: https://proceedings.neurips.cc/paper/2020/hash/97e401a02082021fd24957f852e0e475-Abstract.html Summary dilated recurrent neural network (RNN)을 사용하며, multiple time scale temporal feature들을 timeseries에서 extract한다. 다음으로, THOC는 모든 layer의 feature들을 fuse 한다. 각 resolution에서의 정상 데이터는 multiple hypersphere들로 표현된다. ..

Paper Review: https://emptydb.tistory.com/3 새로운 시계열 데이터셋 다섯개를 Deep SVDD 모델에 돌리기 위해 data loader 파일을 새로 만들고, network layer들의 파라미터도 변경했다. DataLoader는 아예 start from scratch이고, autoencoder와 encoder 부분은 데이터의 dimension과 size에 따라 바꿔주었다. 아쉬운 점: 하루만에 100줄 조금 넘는 코드를 짰다... 사실 처음 보는 arff 형 파일 때문에 이미 지칠 때로 지쳤던 상태라 모듈을 사용할 생각은 하지 못했다. 다른 dataset은 그냥 복사 붙여 넣기로 코드를 수정해서 새로운 data loader를 만들었다. 다음에 이런 식으로 data loa..

Patch SVDDACCV 2020patch-wise detection method on image data (look at small sections of an image)self-supervised learningrandomly initialized encoder of Deep SVDD is also used here, but taken further to study why the random features were separableDeep SVDD:Patch-wise Deep SVDD:self-supervised learning:hierarchical encoding:generating anomaly maps:Deep SADICLR 2020deep semi-supervised anomaly det..

DROCC: Deep Robust One-Class Classification link to abstract: https://arxiv.org/abs/2002.12718 link to Github repo: https://github.com/microsoft/EdgeML/tree/master/examples/pytorch/DROCC Anomaly Detection이란? 비정상 탐지, 말 그대로 비정상적인 수치를 탐지한다. 이의 목적은 outlier를 찾는 것이다. 즉, 전형적인 데이터와 다른 포인트를 찾는 것. Classical AD는 간단한 함수와 입력된 정상 데이터를 모델링 시키는 것 방법이다. 반면에 deep-learning-based AD는 데이터의 feature들을 자동적으로 학습시키는 방법이다..

Neural Transformation Learning for Anomaly Detection Beyond Images link to abstract: https://arxiv.org/abs/2103.16440 1. Introduction Deep 비정상 탐지를 위한 neural transformation 학습이며 자기지도 학습 방법이다. Key Idea: Transformation을 거친 데이터를 semantic space로 임베딩 시킨다. Transform 된 데이터는 원본 데이터와 비슷함과 동시에 각 transformation들은 매우 달라 특이점으로 구분 가능하다. 이 모델의 2개의 구성 요소: 1) 정해진 갯수의 학습 가능한 transformation들, 그리고 2) encoder 모델. 2. ..

Deep learning 공부하면서 용어를 정리해봅니다. Aanomaly mapsin unsupervised learning for anomaly detection, by using the self-organizing map method, anomalies are mapped to produce low-dimensional representation Ccontrastive learningjust as the name suggests, this method learns the contrasting differences of the inputs; comparing the similarities and dissimilarities of input features; subset of self-supervised..

논문 링크: http://proceedings.mlr.press/v80/ruff18a.html Deep One-Class Classification Despite the great advances made by deep learning in many machine learning problems, there is a relative dearth of deep learning approaches for anomaly detection. Those approaches which do exist inv... proceedings.mlr.press Github 링크: https://github.com/lukasruff/Deep-SVDD-PyTorch GitHub - lukasruff/Deep-SVDD-PyTor..