Anomaly Detection 문제와 활용 사례

 이 글은 Anomaly Detection 문제와 활용 사례에 대한 내용이다.

이상 감지는 이상치(outliers)라고 하는 예상된 동작에 맞지 않는 비정상적인 패턴을 식별하는 데 사용되는 기술이다. 이는 샘플이 감독되지 않은 학습 문제로 취급되며 대부분의 교육 데이터 세트가 "정상"데이터로 구성되어 있다고 가정한다. 

일반적으로, Novelty Detection, Outlier Detection, Forgery Detection, Out-of-distribution Detection 등으로도 알려져 있다. 

이 방법은 대부분 교육 데이터 세트가 "정상"데이터로 구성되어 있다고 가정한다. 시계열 데이터에서 입력 데이터의 비정상적인 섹션 또는 프레임을 감지하는 것이 목적이다. 

이미지 데이터에서는 비정상적인 이미지를 분류하거나 일부 제조 데이터의 결함과 같은 비정상 영역을 분할하는 것이 목적이다.

좀 더 상세한 이상신호 탐지 딥러닝 모델 리스트는 다음 링크에 있다. 

• A curated list of awesome anomaly detection resources
• Anomaly Detection 개요