少样本场景自适应异常检测
计算机视觉与模式识别
2020-07-16 v1 机器学习
摘要
我们解决视频中的异常检测问题。目标是通过仅从正常视频中学习来自动识别异常行为。大多数现有方法通常数据需求量大且泛化能力有限。它们通常需要在目标场景的大量视频上训练才能在该场景取得良好结果。本文中，我们提出一种新颖的少样本场景自适应异常检测问题，以解决先前方法的局限。我们的目标是仅用少量帧在先前未见过的场景中学习检测异常。这一新问题的可靠解决方案在真实应用中具有巨大潜力，因为为每个目标场景收集大量数据代价高昂。我们提出一种基于元学习的方法来解决这一新问题；大量实验结果证明了我们所提方法的有效性。
引用
@article{arxiv.2007.07843,
title = {Few-shot Scene-adaptive Anomaly Detection},
author = {Yiwei Lu and Frank Yu and Mahesh Kumar Krishna Reddy and Yang Wang},
journal= {arXiv preprint arXiv:2007.07843},
year = {2020}
}
备注
Accepted to ECCV 2020 as a spotlight paper