用于视频弱监督异常检测的自适应图卷积网络
计算机视觉与模式识别
2022-12-28 v3
摘要
对于弱监督异常检测，大多数现有工作受限于视频表示不足的问题，原因在于无法建模长期上下文信息。为此，我们提出了一种新颖的弱监督自适应图卷积网络（WAGCN）来建模视频片段间复杂的上下文关系。借此，我们在为每个片段生成异常概率分数时，充分考虑了其他视频片段对当前片段的影响。首先，我们结合视频片段的时间一致性与特征相似性构建全局图，充分利用视频中异常事件时空特征间的关联信息。其次，我们提出图学习层以打破手动设置拓扑的局限，能够基于数据自适应且有效地提取图邻接矩阵。在两个公开数据集（即UCF-Crime数据集和ShanghaiTech数据集）上的大量实验证明了我们的方法的有效性，其达到了最先进的性能。
引用
@article{arxiv.2202.06503,
title = {Adaptive Graph Convolutional Networks for Weakly Supervised Anomaly Detection in Videos},
author = {Congqi Cao and Xin Zhang and Shizhou Zhang and Peng Wang and Yanning Zhang},
journal= {arXiv preprint arXiv:2202.06503},
year = {2022}
}