Patch distribution modeling framework adaptive cosine estimator (PaDiM-ACE) for anomaly detection and localization in synthetic aperture radar imagery

要約

この作業は、既存のパッチ分布モデリングフレームワーク（PADIM）に拡張された合成開口レーダー画像（SAR）における異常検出と局在への新しいアプローチを提示します。
適応コサイン推定器（ACE）検出統計を導入します。
Padimは、無制限のメトリックである推論でマハラノビス距離を使用します。
代わりに、エースはコサインの類似性メトリックを使用して、境界のある異常検出スコアを提供します。
提案された方法は、複数のSARデータセットで評価され、画像の受信機動作曲線（AUROC）の下の領域を含むパフォーマンスメトリックとピクセルレベルで、SAR画像の異常検出と局在のパフォーマンスの向上を目的としています。
コードは公開されています：https：//github.com/advanced-vision-and-learning-lab/padim-ace。

要約(オリジナル)

This work presents a new approach to anomaly detection and localization in synthetic aperture radar imagery (SAR), expanding upon the existing patch distribution modeling framework (PaDiM). We introduce the adaptive cosine estimator (ACE) detection statistic. PaDiM uses the Mahalanobis distance at inference, an unbounded metric. ACE instead uses the cosine similarity metric, providing bounded anomaly detection scores. The proposed method is evaluated across multiple SAR datasets, with performance metrics including the area under the receiver operating curve (AUROC) at the image and pixel level, aiming for increased performance in anomaly detection and localization of SAR imagery. The code is publicly available: https://github.com/Advanced-Vision-and-Learning-Lab/PaDiM-ACE.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google