用于视频异常检测与定位的模块化统一框架
计算机视觉与模式识别
2021-03-23 v1
摘要
视频异常检测已吸引越来越多关注。尽管近期方法在基准数据集上性能具竞争力，它们通常缺乏模块化、跨域适应性、可解释性和实时异常事件检测等理想特性。此外，当前最优方法使用标准的基于实例的检测度量评估，将视频帧视为独立实例，这并不适用于视频异常检测。受这些研究空白启发，我们提出一种用于在线视频异常检测与定位问题的模块化统一方法，称为 MOVAD，其由一种新颖的基于迁移学习的可插拔架构、一个序列异常检测器、一个用于选择检测阈值的数学框架，以及一种适用于视频中实时异常事件检测的合适性能指标组成。在基准数据集上的广泛性能评估表明，所提框架显著优于当前最优方法。
引用
@article{arxiv.2103.11299,
title = {A Modular and Unified Framework for Detecting and Localizing Video Anomalies},
author = {Keval Doshi and Yasin Yilmaz},
journal= {arXiv preprint arXiv:2103.11299},
year = {2021}
}