对抗学习的异常轨迹分类器
机器学习
2019-04-05 v2 机器学习
摘要
我们解决轨迹数据中的异常事件检测问题。本文提出一种新的对抗方法来构建深度神经网络二分类器，该分类器以无监督方式训练，能够在无需设置人工检测阈值的情况下区分正常与基于轨迹的异常事件。受生成对抗网络（GAN）框架启发，我们的GAN版本是一种判别式的，其中判别器被训练来区分由深度自编码器给出的正常与异常轨迹重建误差。利用城市交通视频及其关联轨迹，我们所提方法在异常轨迹检测上取得了最佳准确率。此外，我们的模型可轻易推广至基于异常轨迹的事件检测，并且如CAVIAR数据集所展示的，仍能给出最佳行为检测结果。
引用
@article{arxiv.1903.11040,
title = {Adversarially Learned Abnormal Trajectory Classifier},
author = {Pankaj Raj Roy and Guillaume-Alexandre Bilodeau},
journal= {arXiv preprint arXiv:1903.11040},
year = {2019}
}
备注
Accepted for the 16th Conference on Computer and Robot Vision (CRV) 2019