時系列データの特徴量を用いたGANによる異常検知

カテゴリ: 研究会(論文単位)

論文No: PI20013,IIS20044

グループ名: 【C】電子・情報・システム部門 知覚情報/【D】産業応用部門 次世代産業システム合同研究会

発行日: 2020/03/23

タイトル(英語): Anomaly Detection by GAN using Features for Time Series Data

著者名: 大谷 豪(慶應義塾大学),ファン チョンフィ(沖電気工業),山本 一真(沖電気工業),増田 誠(沖電気工業),青木 義満(慶應義塾大学)

著者名(英語): Go Otani(Keio University),Trong Huy Phan(Oki Electric Industry Co., Ltd.),Kazuma Yamamoto(Oki Electric Industry Co., Ltd.),Makoto Masuda(Oki Electric Industry Co., Ltd.),Yoshimitsu Aoki(Keio University)

キーワード: 異常検知|ＧＡＮ|ｐｉｘ２ｐｉｘ|時系列|Ａｕｔｏ　Ｅｎｃｏｄｅｒ|anomaly detection|GAN|pix2pix|time-series|Auto Encoder

要約(日本語): 本研究では，GANと正常なデータのみを用いて正常な事象を再構成できるモデルを学習する手法を提案する．加えて，Dynamic ImageとAE-feature と呼ばれる特徴量を利用して動画像の時系列情報を表現することを提案する．複数のフレームから動き情報を提案した特徴量に集約し，特徴量から再構成したフレームと対応するフレームの差分を利用することで，異常の検出ができる．

要約(英語): We propose a method to learn a model that can reconstruct normal events using only GAN and normal data. In addition, we propose to represent time-series information of a moving image by using Dynamic Image and features called AE-feature. Anomaly detection can be performed by integrating motion information from multiple frames into the proposed features and using the difference between the frame reconstructed from the features and the corresponding frame.

原稿種別: 日本語

PDFファイルサイズ: 1,768 Kバイト