Anomaly segmentation using neural networks

Bc. Václav Hloušek

Master's thesis

Anotácia:

Cílem práce je prozkoumat nové a úspěšné metody pro detekci anomálií které používají neuronové sítě v semi-supervised módu. Tyto metody detekují anomálie v obrazech z industriálního prostředí. Takové anomálie jsou obecně těžko detekovatelné tudíž pro dané metody je třeba aby byly přesné. Metody také lokalizují anomálie takže na jejich výstupu se nachází teplotní mapa. Poskytuji vysvětlení čtyř metod a výsledky experimentů na veřejných a externích datech.

Abstract:

The goal of this thesis is to examine recent successful anomaly detection methods which use neural networks in semi-supervised mode. These methods aim to detect anomalies on images from industrial setting. In this setting the anomalies are usually difficult to detect, hence the methods are required to have high accuracy. Furthermore, the methods locate the anomalies so their output is in the form of a heatmap. I provide in depth explanation of four neural network methods and the results of the experiments on them using public and externally supplied datasets.

Keywords

Anomaly Detection, Machine Learning, Neural Networks, Image Processing

Jazyk práce: English

Datum vytvoření / odevzdání či podání práce: 15. 12. 2023

Obhajoba závěrečné práce

• Obhajoba proběhla 6. 2. 2024
• Vedúci: doc. RNDr. Pavel Matula, Ph.D.
• Oponent: RNDr. Filip Lux

Masaryk University

Faculty of Informatics

Master programme / odbor:
Visual informatics / Image Processing and Analysis