弱监督时空异常检测
光学
2026-05-19 v2
摘要
本文探讨了一种弱监督方法用于异常检测。由于对视频标注耗时，我们仅在训练期使用视频级弱标签。这意味着给定视频时，我们知道它是正常的还是包含异常，但不使用进一步的注释来训练网络。从要么正常要么异常的视频片段中提取特征。这些特征用于基于分类器和多实例排序损失(MIL)实现的实现，确定视频片段时空区域的异常得分。我们将异常和正常视频片段分别表示为正和负包，以应用MIL。此外，由于异常通常局限于帧的某一部分而非整帧，我们选择探索时空异常检测。我们在UCF Crime2Local数据集上展示了结果，该数据集包含UCF Crime数据集部分视频的时空标注。
引用
@article{arxiv.2605.13745,
title = {Amplitude Noise Suppression in Frequency-Doubled Lasers: A Lyapunov Mechanism for Intensity Stabilization in Coupled Oscillator Systems},
author = {Thomas M. Baer},
journal= {arXiv preprint arXiv:2605.13745},
year = {2026}
}
备注
v2: corrected three reference errors in bibliography (refs [3], [9], [10]); removed two uncited references. No changes to body text, equations, or figures