利用聚类清理标签噪声的极小监督异常检测
计算机视觉与模式识别
2021-05-03 v1
摘要
利用视频级标注学习检测真实世界异常事件是一项困难任务，主要因为标签中存在的噪声。一个被标注为异常的视频实际上可能仅在很短的时段内包含异常，而其余部分可能是正常的。在当前工作中，我们提出了一种弱监督异常检测方法，仅使用视频级标签进行训练。为此，我们提出利用二值聚类，有助于减轻异常视频标签中存在的噪声。我们的公式鼓励主网络与聚类相互补充，以实现弱监督训练的目标。所提出的方法在UCF-crime和ShanghaiTech数据集上分别取得了78.27%和84.16%的帧级AUC，证明了其相对于现有最优算法的优越性。
引用
@article{arxiv.2104.14770,
title = {Cleaning Label Noise with Clusters for Minimally Supervised Anomaly Detection},
author = {Muhammad Zaigham Zaheer and Jin-ha Lee and Marcella Astrid and Arif Mahmood and Seung-Ik Lee},
journal= {arXiv preprint arXiv:2104.14770},
year = {2021}
}
备注
Presented in the CVPR20 Workshop Learning from Unlabeled Videos. An archival version of this research work, published in SPL, can be accessed at: https://ieeexplore.ieee.org/document/9204830. arXiv admin note: substantial text overlap with arXiv:2008.11887