Empirical Analysis of Anomaly Detection on Hyperspectral Imaging Using Dimension Reduction Methods

要約

最近の研究では、紫外線や赤外線などの目に見えない波長を可視化できるハイパースペクトルイメージング（HSI）を製品内の異物検出に使用する試みが行われています。
HSI の膨大な画像チャネルを考慮すると、いくつかの次元削減方法 (PCA や UMAP など) を削減することが考えられますが、これらは次のような根本的な制限を緩和することはできません。 (1) HSI キャプチャの遅延。
(2) 重要なチャンネルの説明能力が低い。
本稿では、チャネル削減の方法の一つである上記の方法を回避するために、異常検出上のHSIを提案しました。
特徴抽出方法 (PCA や UMAP) とは異なり、特徴選択では影響によって特徴を分類し、より良い説明可能性を示すことができるため、タスクに最適化されたコスト効率の高い分光カメラを再設計できる可能性があります。
合成された MVTec AD データセットを使用した広範な実験結果により、特徴選択方法は、異常検出パフォーマンスを維持しながら、特徴抽出ベースのアプローチと比較して、推論段階で 6.90 倍高速であることが確認されました。
最終的に、機能選択の利点は効果的でありながら高速であるという結論に達します。

要約(オリジナル)

Recent studies try to use hyperspectral imaging (HSI) to detect foreign matters in products because it enables to visualize the invisible wavelengths including ultraviolet and infrared. Considering the enormous image channels of the HSI, several dimension reduction methods-e.g., PCA or UMAP-can be considered to reduce but those cannot ease the fundamental limitations, as follows: (1) latency of HSI capturing. (2) less explanation ability of the important channels. In this paper, to circumvent the aforementioned methods, one of the ways to channel reduction, on anomaly detection proposed HSI. Different from feature extraction methods (i.e., PCA or UMAP), feature selection can sort the feature by impact and show better explainability so we might redesign the task-optimized and cost-effective spectroscopic camera. Via the extensive experiment results with synthesized MVTec AD dataset, we confirm that the feature selection method shows 6.90x faster at the inference phase compared with feature extraction-based approaches while preserving anomaly detection performance. Ultimately, we conclude the advantage of feature selection which is effective yet fast.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google