[論文レビュー] One-Class Classification: A Survey
この論文は視覚認識の古典的な統計的方法と最近の深層学習ベースのワン・クラス分類（OCC）手法を概説し、長所と短所、データセット、評価指標について論じる。
One-Class Classification (OCC) is a special case of multi-class classification, where data observed during training is from a single positive class. The goal of OCC is to learn a representation and/or a classifier that enables recognition of positively labeled queries during inference. This topic has received considerable amount of interest in the computer vision, machine learning and biometrics communities in recent years. In this article, we provide a survey of classical statistical and recent deep learning-based OCC methods for visual recognition. We discuss the merits and drawbacks of existing OCC approaches and identify promising avenues for research in this field. In addition, we present a discussion of commonly used datasets and evaluation metrics for OCC.
研究の動機と目的
- 画像ベースのOCCの分類体系を提示する。
- 特徴学習手法とOCCへの適性をレビューする。
- 古典的なOCCアルゴリズムと最近の深層学習ベースのOCC手法を概説する。
- OCCで一般に用いられるデータセットと評価指標を論じる。
- OCCにおける未解決の課題と有望な研究方向を特定する。
提案手法
- トレーニングデータ、特徴、分類器に基づくOCCの分類体系を提案する。
- OCCのための手作り特徴量、統計的特徴量、深層学習特徴量を含む特徴学習手法をレビューする。
- 古典的なOCCアルゴリズム（例：OCSVM、SVDD、KNFST）と深層学習ベースのOCC手法（例：OCCNN、AnoGAN、US-OCL）を扱う。
- 正のデータだけでの学習、正のデータと未ラベルデータ、正のデータとラベル付きOODデータを用いた学習を検討する。
- 自己教師付き学習およびOODデータ支援の特徴学習（DOC）と距離学習戦略を検討する。
- OCC研究で用いられるデータセットと指標を含む評価フレームワークを概説する。
実験結果
リサーチクエスチョン
- RQ1画像ベースのワン・クラス分類の全体像を最も適切に捉える分類体系はどれか？
- RQ2効果的なOCCを支える特徴表現は何か、深い特徴量はOCCの性能をどのように変化させてきたか。
- RQ3主な古典的OCCアルゴリズムと深層学習ベースのOCCアルゴリズムは何か、データ仮定と目的はどのように異なるか。
- RQ4OCC手法を評価する際に一般的に用いられるデータセットと評価指標は何か。
- RQ5視覚認識のOCCにおける今後の方向性と研究ギャップはどこにあるか。
主な発見
- 2017年以降、深層学習ベースのOCC手法が主流となり、しばしば特徴学習と分類を組み合わせている。
- 手作り特徴、統計的特徴、深層特徴など、OCCに適用可能な特徴戦略の範囲が広く、深層特徴がますます中核となっている。
- 古典的手法（OCSVM、SVDD、KNFST）は基盤的な位置を占めつつ、新しい手法は表現学習、生成モデル、自己教師あり学習に焦点を当てている。
- 正データに加えて未ラベルデータやOODデータを用いた学習（DOC）に関心が高まっており、特徴の圧縮性と記述性の向上を図る。
- 本調査は一般的に用いられるデータセットと評価プロトコルを強調し、未解決の研究課題と今後の方向性を論じている。
より良い研究を、今すぐ始めましょう
論文設計から論文執筆まで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。