AVID：对抗式视觉异常检测
计算机视觉与模式识别
2018-07-19 v2
摘要
对视觉数据中异常的实时检测在包括监控、病人监护系统等诸多潜在应用中极具价值且十分有用。近年来随着深度学习方法的兴起，研究者已针对各类应用尝试了广泛的方法。然而，对于视频中的异常或不规则检测，训练端到端模型仍是一项开放挑战，因为异常往往定义不清，且训练时缺乏足够的异常样本。本文受生成对抗网络（GANs）在无监督或自监督环境下训练深度模型成功的启发，提出了一种端到端深度网络，用于视频（及图像）中异常的细粒度定位与检测。我们提出的架构由两个网络组成，它们相互竞争又协作以发现异常。一个网络作为像素级异常修复器（Inpainter），另一个作为块级检测器（Detector）。在经过对抗式自监督训练（其中 I 试图欺骗 D 使其将修复输出接受为正常）后，两网络协作检测并精细分割任意给定测试视频中的异常。我们在三个不同数据集上的结果表明，我们的方法优于当前最优方法并能精细分割异常。
引用
@article{arxiv.1805.09521,
title = {AVID: Adversarial Visual Irregularity Detection},
author = {Mohammad Sabokrou and Masoud Pourreza and Mohsen Fayyaz and Rahim Entezari and Mahmood Fathy and Jürgen Gall and Ehsan Adeli},
journal= {arXiv preprint arXiv:1805.09521},
year = {2018}
}