从不同的视频异常检测域迁移的特征嵌入的泛化性
计算机视觉与模式识别
2019-01-29 v1
摘要
视频 surveillance 中的异常活动检测通常仅涉及使用正常活动数据以学习准确的检测器。由于某些特定目标域缺乏标注数据，人们可采用源域的现有数据以产生更好的预测。因此，迁移学习成为一种重要工具。但如何分析所得数据空间？本文研究视频异常检测，特别是可与非完全监督数据一起使用的预训练 CNN 的特征嵌入。通过提出新颖的跨域泛化度量，我们研究了源特征如何对不同目标视频域泛化，并分析了无监督迁移学习。所提出的泛化度量不仅是一种理论方法，而且在实践中被证明有用，可作为理解哪些数据集可被使用或迁移以描述视频帧的途径，从而能更好地区分正常与异常活动。
引用
@article{arxiv.1901.09819,
title = {Generalization of feature embeddings transferred from different video anomaly detection domains},
author = {Fernando Pereira dos Santos and Leonardo Sampaio Ferraz Ribeiro and Moacir Antonelli Ponti},
journal= {arXiv preprint arXiv:1901.09819},
year = {2019}
}