利用伪标签的完整性与不确定性进行弱监督视频异常检测
计算机视觉与模式识别
2022-12-09 v1
摘要
弱监督视频异常检测旨在仅利用视频级标签识别视频中的异常事件。近来，两阶段自训练方法通过自生成伪标签并用这些标签自精炼异常分数取得了显著改进。鉴于伪标签的关键作用，我们提出一种通过利用完整性与不确定性特性以实现有效自训练的增强框架。具体而言，我们首先设计一个带有多样性损失的多头分类模块（每个头作为一个分类器），以最大化各头预测伪标签的分布差异。这促使生成的伪标签尽可能覆盖更多的异常事件。我们随后设计了一种迭代不确定性伪标签精炼策略，其不仅改进初始伪标签，也改进第二阶段中由所需分类器获得的更新伪标签。大量实验结果表明，所提方法在UCF-Crime、TAD和XD-Violence基准数据集上优于最先进的方案。
引用
@article{arxiv.2212.04090,
title = {Exploiting Completeness and Uncertainty of Pseudo Labels for Weakly Supervised Video Anomaly Detection},
author = {Chen Zhang and Guorong Li and Yuankai Qi and Shuhui Wang and Laiyun Qing and Qingming Huang and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:2212.04090},
year = {2022}
}