面向监控视频异常检测的持续学习
计算机视觉与模式识别
2020-04-20 v1 机器学习
图像与视频处理
机器学习
摘要
监控视频中的异常检测近来受到关注。视频 surveillance 等高维应用的一个挑战性方面是持续学习（continual learning）。尽管当前最先进的深度学习方法是现有公共数据集上表现良好，但由于计算和存储问题，它们无法在持续学习框架中工作。此外，在线决策是该领域中重要但大多被忽视的因素。受这些研究空白的推动，我们提出一种使用迁移学习与持续学习的监控视频在线异常检测方法，这转而显著降低了训练复杂度，并提供了一种从近期数据持续学习而不遭受灾难性遗忘的机制。我们提出的算法利用了基于神经网络的模型在迁移学习中的特征提取能力，以及统计检测方法在持续学习中的能力。
引用
@article{arxiv.2004.07941,
title = {Continual Learning for Anomaly Detection in Surveillance Videos},
author = {Keval Doshi and Yasin Yilmaz},
journal= {arXiv preprint arXiv:2004.07941},
year = {2020}
}
备注
accepted to CVPR 2020: Workshop on Continual Learning in Computer Vision. arXiv admin note: text overlap with arXiv:2004.02072