대부분의 데이터와 본질적인 특성이 다른 관측치를 찾아내는 이상치 탐지 알고리즘은 꾸준하게 연구되어온 분야이다. 특히, 최근 정상 데이터만으로 학습하여 불량 탐지를 진행하는 딥러닝 기반 알고리즘들이 활발하게 연구되고 있다. 이번 세미나에서는 이상치의 정의와 이상치 탐지 알고리즘의 전반적인 연구 방향을 살펴보고자 한다. 특히, Autoencoder, GAN, Self-Supervised Learning 기반의 이상치 탐지 알고리즘들에 대하여 각각 살펴보고 비교하고자 한다.
참고 문헌:
[1] Chalapathy, R., & Chawla, S. (2019). Deep learning for anomaly detection: A survey. arXiv preprint arXiv:1901.03407.
[2] Pang, G., Shen, C., Cao, L., & Hengel, A. V. D. (2021). Deep learning for anomaly detection: A review. ACM Computing Surveys (CSUR), 54(2), 1-38.
[3] Zhou, C., & Paffenroth, R. C. (2017, August). Anomaly detection with robust deep autoencoders. In Proceedings of the 23rd ACM SIGKDD international conference on knowledge discovery and data mining (pp. 665-674).
[4] Schlegl, T., Seeböck, P., Waldstein, S. M., Schmidt-Erfurth, U., & Langs, G. (2017, June). Unsupervised anomaly detection with generative adversarial networks to guide marker discovery. In International conference on information processing in medical imaging (pp. 146-157). Springer, Cham.
[5] Akcay, S., Atapour-Abarghouei, A., & Breckon, T. P. (2018, December). Ganomaly: Semi-supervised anomaly detection via adversarial training. In Asian conference on computer vision (pp. 622-637). Springer, Cham.
[6] Li, C. L., Sohn, K., Yoon, J., & Pfister, T. (2021). CutPaste: Self-Supervised Learning for Anomaly Detection and Localization. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 9664-9674).