MNIST Data에서 숫자 0인 이미지를 Noraml로 보고 숫자 1~9인 이미지를 Anomaly라고 생각하여 Test시에 숫자 0인 것과 0이 아닌 것을 Detect하는지 확인하고자 한다. 아래의 모델를 이용하여 서로 비교하고자 한다.
Anogan
OneClassSVM
DeepSVDD
Autoencoder
Data Augmentation을 했을 때 모델에서 Normal Data의 Feature를 더 잘 Capture하고 성능에서의 차이점이 존재하는지 확인하고자 한다.
다양한 실험 셋
실험 번호 | 비율 | Train Normal | Train Abnormal | Test Normal | Test Abnormal |
---|---|---|---|---|---|
1 | 10:1 | 5923 | 593 | 980 | 99 |
1 | 100:1 | 5923 | 60 | 980 | 10 |
1 | 10:1 (x10) | 59230 | 5924 | 980 | 99 |
1 | 10:1 (x10) | 59230 | 593 | 980 | 10 |
- 실험 1
Model | Precision | Recall | F1 Score | AUC |
---|---|---|---|---|
Autoencoder | 0.99 | 0.89 | 0.94 | 0.944 |
OneSVM | ||||
DeepSVD | 1 | 1 | 1 | 1 |
AnoGAN | 0.996 | 0.913265 | 0.952128 | 0.960555 |
- 실험 3
Model | Precision | Recall | F1 Score | AUC |
---|---|---|---|---|
Autoencoder | 0.98 | 0.83 | 0.9 | 0.901 |
OneSVM | ||||
DeepSVD | 1 | 1 | 1 | 0.997 |
AnoGAN | 0.989 | 0.882 | 0.933 | 0.93 |