基于元原型网络学习视频中的正常动态
计算机视觉与模式识别
2021-05-11 v2
摘要
基于自编码器（AE）的帧重建（当前帧或未来帧）是一种流行的视频异常检测方法。模型在正常数据上训练后，异常场景的重建误差通常远大于正常场景。已有方法将记忆库引入 AE，以编码训练视频中多样化的正常模式。然而，它们耗费内存且无法应对测试数据中未见过的新场景。本文中，我们提出动态原型单元（DPU），实时将正常动态编码为原型，无需额外内存开销。此外，我们将元学习引入 DPU，构成一种新颖的小样本正常性学习器，即元原型单元（MPU）。它仅需少量更新迭代即可在新场景上实现快速自适应。我们在多个基准上进行了充分实验。优于当前最优方法的性能证明了我们方法的有效性。
引用
@article{arxiv.2104.06689,
title = {Learning Normal Dynamics in Videos with Meta Prototype Network},
author = {Hui Lv and Chen Chen and Zhen Cui and Chunyan Xu and Yong Li and Jian Yang},
journal= {arXiv preprint arXiv:2104.06689},
year = {2021}
}
备注
9 pages, 4 figures, 6 tables