Total Variation正則化を適用したFast Fourier ConvolutionによるPaDiMの異常検知性能の向上

カテゴリ: 論文誌(論文単位)

グループ名: 【C】電子・情報・システム部門

発行日: 2024/09/01

タイトル(英語): Improvement of Anomaly Detection Performance of PaDiM by Fast Fourier Convolution with Total Variation Regularization

著者名: 林　良和（岐阜大学），相澤　宏旭（岐阜大学），加藤　邦人（岐阜大学）

著者名(英語): Yoshikazu Hayashi (Gifu University), Hiroaki Aizawa (Gifu University), Kunihito Kato (Gifu University)

キーワード: 深層学習，異常検知，高速フーリエ変換による畳み込み処理，全変動正則化　　deep learning，anomaly detection，fast fourier convolution，total variation regularization

要約(英語): PaDiM, an anomaly detection model using a pre-trained CNN on ImageNet, shows high performance. However, the pre-trained CNN model has a texture bias, resulting in poor performance for global anomalies. Therefore, we used Fast Fourier Convolution (FFC) to extract global features by extracting features from Fourier space in addition to feature extraction using 3 × 3 convolutional filter in the pre-trained model. Total Variation regularization was applied to the feature map of the FFC block during pre-training. This improved anomaly detection performance for global anomalies and robustness to perturbations in the frequency band.

本誌: 電気学会論文誌C（電子・情報・システム部門誌） Vol.144 No.9 （2024） 特集：知能メカトロニクス分野と連携する知覚情報技術

本誌掲載ページ: 886-893 p

原稿種別: 論文／日本語

電子版へのリンク: https://www.jstage.jst.go.jp/article/ieejeiss/144/9/144_886/_article/-char/ja/