PulseAugur
中
实时 17:28:41
English(EN) AnomalyMatch: Discovering Rare Objects of Interest with Semi-supervised and Active Learning

新的AnomalyMatch框架使用AI发现稀有对象

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了AnomalyMatch，一个用于在大型数据集中识别稀有对象的创新框架，在天文学和计算机视觉等标记数据稀缺的领域特别有用。该系统结合了半监督FixMatch算法和主动学习，利用EfficientNet分类器将异常检测视为二元分类问题。AnomalyMatch已集成到ESA Datalabs平台，并在天文和自然图像基准测试中表现出色，即使在初始标记数据很少的情况下也取得了很高的AUROC和AUPRC分数。其主动学习组件允许用户验证和纠正潜在的假阳性，提高了识别异常的精度。 AI

影响 增强了天文学等数据稀缺领域的异常检测能力，可能加速科学发现。

排序理由 该集群包含一篇详细介绍新AI框架及其在基准测试中表现的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Pablo G\'omez, Laslo E. Ruhberg, Maria Teresa Nardone, David O'Ryan ·

    AnomalyMatch: Discovering Rare Objects of Interest with Semi-supervised and Active Learning

    arXiv:2505.03509v3 Announce Type: replace Abstract: Anomaly detection in large datasets is essential in astronomy and computer vision. However, due to a scarcity of labelled data, it is often infeasible to apply supervised methods to anomaly detection. We present AnomalyMatch, an…

相关实体

相关话题