面向低空交通监视的上下文相关异常检测
计算机视觉与模式识别
2021-04-15 v1 机器学习
摘要
上下文异常的检测对监视而言是一项具有挑战性的任务，因为某一观测在特定环境上下文中可被视为异常或正常。无人机（UAV）可利用其空中监视能力并采用多传感器来收集环境上下文信息，从而执行上下文异常检测。本文中，我们引入一种基于深度神经网络的方法（CADNet），利用无人机发现环境中的点异常（即单实例异常数据）与上下文异常（即特定上下文的异常）。该方法基于带上下文子网络的变化自编码器（VAE）。上下文子网络使用GPS与时间数据提取环境上下文信息，随后将其输入VAE以在上下文条件下预测异常。据我们所知，我们的方法是首个面向无人机辅助空中监视的上下文异常检测方法。我们在AU-AIR数据集上的交通监视场景中评估了该方法。与若干基线的定量比较证明了我们的方法在异常检测任务中的优越性。代码与数据将发布于https://bozcani.github.io/cadnet。
引用
@article{arxiv.2104.06781,
title = {Context-Dependent Anomaly Detection for Low Altitude Traffic Surveillance},
author = {Ilker Bozcan and Erdal Kayacan},
journal= {arXiv preprint arXiv:2104.06781},
year = {2021}
}
备注
7 pages, 4 figures, Accepted to IEEE International Conference on Robotics and Automation 2021 (ICRA 2021)