SIFT and SURF based feature extraction for the anomaly detection

要約

この論文では、SIFT および SURF アルゴリズムを使用して、異常検出のために画像の特徴を抽出する方法を提案します。
これらの特徴ベクトルを使用して、実世界のデータセットでさまざまな分類器をトレーニングします。トレーニングには、半教師あり (少数の不良サンプルあり) 方法で多数の分類器を使用し、1 クラス (不良サンプルなし) の方法を使用します。
SVDD および SVM 分類器。
SIFT および SURF アルゴリズムを特徴抽出器として使用できること、半教師ありの 1 クラス分類器を約 89\% の精度でトレーニングするために使用できること、および 1 クラス分類器のパフォーマンスが
半教師ありに匹敵します。
また、データセットとソース コードを公開しました。

要約(オリジナル)

In this paper, we suggest a way, how to use SIFT and SURF algorithms to extract the image features for anomaly detection. We use those feature vectors to train various classifiers on a real-world dataset in the semi -supervised (with a small number of faulty samples) manner with a large number of classifiers and in the one-class (with no faulty samples) manner using the SVDD and SVM classifier. We prove, that the SIFT and SURF algorithms could be used as feature extractors, that they could be used to train a semi-supervised and one-class classifier with an accuracy around 89\% and that the performance of the one-class classifier could be comparable to the semi-supervised one. We also made our dataset and source code publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google