画像に含まれる異常データを認識・検出することはコンピュータビジョンの分野で重要な技術である。近年ディープラーニングにより異常検知を解決する方法が主流となっており、従来の手法よりも精度が高いことで知られる。異常検知問題はその性質上、異常データが極めて少数であり、データセットが著しい不均衡になっているケースが多い。そのため、教師あり学習を適用することは難しく、教師なし・半教師あり学習による解決が期待される。本論文では、画像データに対して半教師あり学習（AnoGAN, 畳み込みオートエンコーダーなど）及びクラスラベルを用いる距離学習（AdaCos, L2 softmaxなど）を用いた深層異常検知手法で最先端の手法の再現実装を行い、その有効性を評価した。結果としては、現状の深層異常検知手法では期待される性能を満たすことは難しく、改善の余地があるとの結論が得られた。最後にこれらの手法の問題点と、現状の研究課題について示した。
