NNG-Mix: Improving Semi-supervised Anomaly Detection with Pseudo-anomaly Generation

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Dong, Hao, Frusque, Gaëtan, Zhao, Yue, Chatzi, Eleni, Fink, Olga
Formato:	Preprint
Publicado:	2023
Materias:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2311.11961