动态区分学习：用于视频异常检测的自适应伪异常
计算机视觉与模式识别
2024-04-09 v1 人工智能
摘要
我们提出了用于视频异常检测的动态区分学习（DDL），这是一种新颖的视频异常检测方法，结合了伪异常、动态异常权重和区分损失函数以提高检测精度。通过训练伪异常，我们的方法适应正常和异常行为的变异性，无需固定的异常阈值。我们的模型在Ped2、Avenue和ShanghaiTech数据集上展示了优越的性能，其中为每个场景定制了单独的模型。这些成果凸显了DDL在推进异常检测方面的有效性，为视频监控挑战提供了可扩展且适应性强的解决方案。
引用
@article{arxiv.2404.04986,
title = {Dynamic Distinction Learning: Adaptive Pseudo Anomalies for Video Anomaly Detection},
author = {Demetris Lappas and Vasileios Argyriou and Dimitrios Makris},
journal= {arXiv preprint arXiv:2404.04986},
year = {2024}
}
备注
To be published in the CVPR2024 Workshop