监控视频中的任意样本序贯异常检测
计算机视觉与模式识别
2020-04-07 v1 机器学习
摘要
监控视频中的异常检测近来受到关注。尽管最先进方法在公开可用数据集上的性能具有竞争力，但它们需要大量训练数据。此外，它们缺乏在新数据可用后持续更新已训练模型的具体方法。而且，在线决策是该领域中重要但大多被忽视的因素。受这些研究空白的启发，我们提出了一种基于迁移学习和任意样本学习的监控视频在线异常检测方法，这显著降低了训练复杂度，并提供了一种仅使用少量标记正常样本即可检测异常的机制。我们提出的算法利用了基于神经网络的模型的迁移学习特征提取能力，以及统计检测方法的任意样本学习能力。
引用
@article{arxiv.2004.02072,
title = {Any-Shot Sequential Anomaly Detection in Surveillance Videos},
author = {Keval Doshi and Yasin Yilmaz},
journal= {arXiv preprint arXiv:2004.02072},
year = {2020}
}
备注
Accepted to CVPR 2020: Workshop on Continual Learning in Computer Vision