聚类辅助的弱监督训练用于检测监控视频中的异常事件
计算机视觉与模式识别
2024-10-28 v1
摘要
仅使用视频级标签来构建用于检测真实世界异常事件的学习系统是一项具有挑战性的任务，主要由于训练数据中存在噪声标签以及异常事件发生稀少。我们提出了一种弱监督异常检测系统，其多项贡献包括：一种随机批次选择机制以降低批次间相关性，以及一个正常性抑制模块，该模块通过利用训练批次中的整体信息来学习最小化视频正常区域的异常分数。此外，提出了一个聚类损失模块，以减轻标签噪声并改进异常与正常区域的表示学习。该模块鼓励骨干网络生成代表正常与异常事件的两个 distinct 特征簇。使用三个流行的异常检测数据集（包括 UCF-Crime、ShanghaiTech 和 UCSD Ped2）对所提方法进行了广泛分析。实验证明了我们的方法具有优越的异常检测能力。
引用
@article{arxiv.2203.13704,
title = {Clustering Aided Weakly Supervised Training to Detect Anomalous Events in Surveillance Videos},
author = {Muhammad Zaigham Zaheer and Arif Mahmood and Marcella Astrid and Seung-Ik Lee},
journal= {arXiv preprint arXiv:2203.13704},
year = {2024}
}
备注
This work has been submitted to the IEEE Transactions on Neural Networks and Learning Systems (TNNLS) for possible publication