Detection AUROC: 99.8Segmentation AUROC: 98.5
Papers with Code · CC BY-SA 4.0
Multi-class Anomaly Detection
Multi-class Anomaly Detection is a task that identifies anomalies by jointly learning and detecting outliers across multiple classes, in contrast to traditional Anomaly Detection, which typically focuses on identifying anomalies within a single class.
개요는 각 항목의 일부입니다. 위 탭에서 전체 기록을 페이지별로 탐색할 수 있습니다.
벤치마크
Papers with Code 아카이브의 데이터셋별 기록 예시입니다. 평가 조건과 지표 방향이 검증되지 않아 순위를 의미하지 않습니다.
데이터셋
3개논문
Detection AUROC: 99.8Segmentation AUROC: 98.6
Detection AUROC: 98.3Segmentation AUROC: 98.0
Detection AUROC: 97.2Segmentation AUROC: 96.8
Detection AUROC: 98.4Segmentation AUROC: 97.9
Detection AUROC: 98.0Segmentation AUROC: 97.3
Detection AUROC: 98.6Segmentation AUROC: 98.5
Detection AUROC: 98.6Segmentation AUROC: 97.7
Detection AUROC: 97.2Segmentation AUROC: 98.3
Detection AUROC: 98.3Segmentation AUROC: 98.1
라이브러리
Papers with Code 리더보드 row에 연결된 구현 저장소입니다.