一种利用视频级标签进行异常检测的自推理框架
计算机视觉与模式识别
2020-09-28 v1
摘要
监控视频中的异常事件检测是图像与视频处理领域中一个具有挑战性且实用的研究问题。与异常事件的帧级标注相比，获取视频级标注十分快速且廉价，尽管此类高层标签可能含有显著噪声。更具体地，一个被标注为异常的视频可能实际仅在很短的时段内包含异常，而其余视频帧均为正常。在当前工作中，我们提出了一种基于深度神经网络的弱监督异常检测框架，其仅使用视频级标签以自推理方式训练。为实施基于自推理的训练，我们通过时空视频特征的二值聚类生成伪标签，有助于减轻异常视频标签中存在的噪声。我们提出的公式化方法促使主网络与聚类相互补充，以实现更精确的异常检测。所提框架已在公开的真实世界异常检测数据集（包括UCF-crime、ShanghaiTech和UCSD Ped2）上评估。实验表明我们的框架优于当前最先进的方法。
引用
@article{arxiv.2008.11887,
title = {A Self-Reasoning Framework for Anomaly Detection Using Video-Level Labels},
author = {Muhammad Zaigham Zaheer and Arif Mahmood and Hochul Shin and Seung-Ik Lee},
journal= {arXiv preprint arXiv:2008.11887},
year = {2020}
}
备注
Accepted to the IEEE Signal Processing Letters Journal