Deep-Anomaly：用于拥挤场景中快速异常检测的全卷积神经网络
计算机视觉与模式识别
2017-05-02 v2
摘要
拥挤场景中异常行为的检测面临诸多挑战。本文提出了一种在视频中检测和定位异常的高效方法。利用全卷积神经网络（FCN）和时序数据，将预训练的有监督 FCN 转换为无监督 FCN，以确保检测场景中的（全局）异常。通过研究作为降低计算复杂度结果的级联检测，实现了在速度和准确性方面的高性能。这种基于 FCN 的架构处理两个主要任务：特征表示和级联离群点检测。在两个基准数据集上的实验结果表明，所提出方法的检测和定位准确性优于现有方法。
引用
@article{arxiv.1609.00866,
title = {Deep-Anomaly: Fully Convolutional Neural Network for Fast Anomaly Detection in Crowded Scenes},
author = {Mohammad Sabokrou and Mohsen Fayyaz and Mahmood Fathy and Zahra Moayedd and Reinhard klette},
journal= {arXiv preprint arXiv:1609.00866},
year = {2017}
}