Human-Scene Network：一种用于弱监督视频异常检测带自校正损失的新型基线
计算机视觉与模式识别
2023-01-20 v1
摘要
仅使用视频级标签（即弱监督）的监控系统视频异常检测具有挑战性。原因在于：（i）基于人与场景的异常在真实场景中由细微与剧烈时空线索复杂耦合而成；（ii）弱监督下正常与异常实例间非最优优化。本文提出Human-Scene Network，以分离方式捕捉细微与强烈线索来学习判别性表示。此外，还提出自校正损失，从视频级标签动态计算伪时序标注以有效优化Human-Scene Network。所提经自校正损失优化的Human-Scene Network在UCF-Crime、ShanghaiTech和IITB-Corridor三个公开数据集上验证，在考虑六种场景中的五种上优于近期报道的最先进方法。
引用
@article{arxiv.2301.07923,
title = {Human-Scene Network: A Novel Baseline with Self-rectifying Loss for Weakly supervised Video Anomaly Detection},
author = {Snehashis Majhi and Rui Dai and Quan Kong and Lorenzo Garattoni and Gianpiero Francesca and Francois Bremond},
journal= {arXiv preprint arXiv:2301.07923},
year = {2023}
}