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

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Dong, Hao, Frusque, Gaëtan, Zhao, Yue, Chatzi, Eleni, Fink, Olga
Format:	Preprint
Publié:	2023
Sujets:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2311.11961