VARS：安防系统中基于视觉的风险评估
机器学习
2025-05-23 v4 人工智能
摘要
准确预测视频内容中的危险等级对于增强安全与安防系统至关重要，特别是在需要快速可靠评估的环境中。在本研究中，我们对各种机器学习和深度学习模型进行了比较分析，以在一个包含 100 个视频的自定义数据集中预测危险评级，每个视频包含 50 帧，并标注了从 0 到 10 的人工评分危险分数。危险评级被进一步分为三类：无警报(小于 7)和高警报(大于等于 7)。我们的评估涵盖了经典的机器学习模型(如支持向量机)以及神经网络和基于 Transformer 的模型。使用准确率、F1 分数和平均绝对误差(MAE)等标准指标评估模型性能，并比较结果以确定最稳健的方法。本研究有助于为基于视频的风险检测开发更准确、更具泛化能力的危险评估框架。
引用
@article{arxiv.2410.19643,
title = {Impact of Leakage on Data Harmonization in Machine Learning Pipelines in Class Imbalance Across Sites},
author = {Nicolás Nieto and Simon B. Eickhoff and Christian Jung and Martin Reuter and Kersten Diers and Malte Kelm and Artur Lichtenberg and Federico Raimondo and Kaustubh R. Patil},
journal= {arXiv preprint arXiv:2410.19643},
year = {2025}
}