[論文レビュー] GODS: Generalized One-class Discriminative Subspaces for Anomaly Detection

Jue Wang, Anoop Cherian|arXiv (Cornell University)|Aug 16, 2019

Anomaly Detection Techniques and Applications参考文献 53被引用数 8

ひとこと要約

本稿では、正規データを最小体積領域に挟み込み、マージン最大化と部分空間近接性を最適化する直交部分空間のペアを用いる、一クラス異常検出の新手法GODSを提案する。複数のベンチマーク、特に車両のダッシュボードカメラ映像における位置外れの人体ポーズを検出する新規データセットにおいて、先行手法を10%以上上回る精度を達成する。

ABSTRACT

One-class learning is the classic problem of fitting a model to data for which annotations are available only for a single class. In this paper, we propose a novel objective for one-class learning. Our key idea is to use a pair of orthonormal frames -- as subspaces -- to "sandwich" the labeled data via optimizing for two objectives jointly: i) minimize the distance between the origins of the two subspaces, and ii) to maximize the margin between the hyperplanes and the data, either subspace demanding the data to be in its positive and negative orthant respectively. Our proposed objective however leads to a non-convex optimization problem, to which we resort to Riemannian optimization schemes and derive an efficient conjugate gradient scheme on the Stiefel manifold. To study the effectiveness of our scheme, we propose a new dataset~\emph{Dash-Cam-Pose}, consisting of clips with skeleton poses of humans seated in a car, the task being to classify the clips as normal or abnormal; the latter is when any human pose is out-of-position with regard to say an airbag deployment. Our experiments on the proposed Dash-Cam-Pose dataset, as well as several other standard anomaly/novelty detection benchmarks demonstrate the benefits of our scheme, achieving state-of-the-art one-class accuracy.

研究の動機と目的

• 単一の超平面や球面仮定に依存する古典的手法（OC-SVM や SVDD）の限界を解消する。これらは複雑なデータ構造を捉えることができない。
• カーネル化された手法のスケーラビリティおよび表現力の制限を克服しつつ、一クラス学習における識別力を維持する。
• 正規データを構造的かつ低次元部分空間内の複数の直交超平面でモデル化することで、境界の特徴抽出を改善する手法を開発する。
• 直交性制約を含む非凸最適化問題を定式化し、自然にスタイーベル多様体上に位置するため、効率的なリーマン最適化を可能にする。
• 異常データの収集が困難な実世界の課題、特に車両のダッシュボードカメラ映像における異常人体ポーズ検出のための新規データセットを用いて、手法の有効性を示す。

提案手法

• 正規データの下限および上限を表す2つの正規直交部分空間（フレーム）を用いた一般化された一クラス学習目的関数を提案する。
• 同時に最適化する：(i) 2つの部分空間の原点間の距離を最小化し、(ii) 各部分空間とデータとのマージンを最大化し、データがそれぞれの正の象限内に位置することを強制する。
• 部分空間基底に直交性制約を課した非凸最適化問題として定式化し、自然にスタイーベル多様体上に埋め込まれる。
• スタイーベル多様体上でのリーマン共役勾配降下法を用いて、直交性制約付きの非凸最適化問題を効率的に解き、臨界点への収束を保証する。
• 入力としてGODSフレームワークに与えるために、動画クリップを表すために時空間畳み込みネットワーク（TCN）とボックス・オブ・ワード（BoW）特徴を用いる。
• カーネル化を必要とせず、入力空間そのものに直接適用可能であるため、スケーラビリティと解釈可能性が向上する。

実験結果

リサーチクエスチョン

• RQ1 直交超平面を用いた二重部分空間定式化は、単一超平面または球面モデルと比較して、一クラス異常検出性能を向上させることができるか？
• RQ2 スタイーベル多様体上でのリーマン最適化は、直交性制約付きの非凸一クラス目的関数の効果的かつ効率的な学習を可能にするか？
• RQ3 提案されたGODSフレームワークは、動画ベースの人体ポーズ異常検出を含む多様で現実世界のタスクに一般化可能か？
• RQ4 標準ベンチマークおよび新しく導入された挑戦的で現実世界的なデータセットにおいて、GODSの性能は最先端手法と比較してどうなるか？
• RQ5 超平面の数を増加させた場合、手法は依然としてロバストでスケーラブルか？また、複雑さと性能の最適なトレードオフは何か？

主な発見

• TCN特徴を用いたGODSは、ダッシュカメラポーズデータセットでF1スコア0.553を達成し、次に良い手法（BODS）を0.031、OC-SVMを0.275上回った。
• JHMDBデータセットでは、F1スコア0.777を達成し、次に良い手法（BODS：0.725）に対して13%の改善を示し、古典的手法（OC-SVM や SVDD）に対して10%以上の向上を示した。
• UCF-Crimeデータセットでは、AUCが70.46%、誤報率が2.1%を記録し、比較手法のほとんどを上回った。唯一、弱いラベル付き異常データを用いた手法を除けば、すべての手法を上回った。
• カーネル化されたバージョンと比較して顕著な改善を示した：ベンチマーク全体でK-OC-SVMおよびK-SVDDを平均20%以上上回った。
• Dash-Cam-Poseデータセットでは、TCNベースの特徴表現がBoWを約3%上回った。これは、より優れた時系列モデリング能力を示している。
• 超平面の数が一定値を超えると性能が飽和し、複雑さをさらに増加させると過学習が生じることが示された。また、ハイパーパrameterの選択に対してロバストであることが確認された。