基于目标中心对抗学习的视频局部异常检测
计算机视觉与模式识别
2020-11-16 v1 机器学习
摘要
我们提出一种基于两阶段目标中心对抗框架的新型无监督方法，仅需目标区域即可检测视频中帧级局部异常。第一阶段学习正常场景下物体当前表观与过往梯度图像间的对应关系，从而可由当前表观生成过往梯度或其逆过程。第二阶段提取真实与生成图像（表观与过往梯度）间正常物体行为的局部重建误差，并以对抗方式训练判别器。推理阶段，我们使用训练好的图像生成器与对抗学习的二分类器输出区域级异常检测分数。我们在UMN、UCSD、Avenue和ShanghaiTech四个公开基准上测试了方法，所提目标中心对抗方法取得了与最先进方法相当甚至更优的结果。
引用
@article{arxiv.2011.06722,
title = {Local Anomaly Detection in Videos using Object-Centric Adversarial Learning},
author = {Pankaj Raj Roy and Guillaume-Alexandre Bilodeau and Lama Seoud},
journal= {arXiv preprint arXiv:2011.06722},
year = {2020}
}
备注
Accepted for The First International Workshop on Deep Learning for Human-Centric Activity Understanding (ICPR2020 workshop)