对近期基于深度学习的半监督视频异常检测方法的批判性研究
计算机视觉与模式识别
2021-11-03 v1
摘要
视频异常检测是当今计算机视觉领域的热门研究课题之一，因为异常事件包含大量信息。异常是监控系统的主要检测目标之一，通常需要实时响应。考虑到用于训练的标注数据的可用性（即，没有足够的异常标注数据），半监督异常检测方法最近引起了关注。本文为该领域的研究人员引入了一个新视角，并基于它们用于异常检测的共同策略，回顾了近期基于深度学习的半监督视频异常检测方法。我们的目标是帮助研究人员开发更有效的视频异常检测方法。由于选择合适的深度神经网络（DNN）对该任务的多个部分起着重要作用，本文首先对 DNN 进行了快速的比较性回顾。与以往的综述不同，本文从为视频异常检测定制的时空特征提取视角回顾 DNN。这部分回顾可以帮助该领域的研究人员为其方法的不同部分选择合适的网络。此外，本文还基于其检测策略，对一些最先进的异常检测方法进行了批判性综述。该综述对现有方法提供了新颖而深入的审视，并指出了这些方法的缺点，这可以为未来的工作提供启示。
引用
@article{arxiv.2111.01604,
title = {A Critical Study on the Recent Deep Learning Based Semi-Supervised Video Anomaly Detection Methods},
author = {Mohammad Baradaran and Robert Bergevin},
journal= {arXiv preprint arXiv:2111.01604},
year = {2021}
}