用于端到端视频异常检测的自训练深度序数回归
计算机视觉与模式识别
2020-03-17 v1
摘要
视频异常检测对多种实际应用具有关键的实际重要性，因为它能将人的注意力集中在可能令人感兴趣的事件上，尽管视频量原本浩如烟海。我们展示了将自训练深度序数回归应用于视频异常检测可克服现有方法的两个关键局限，即 1）高度依赖人工标注的正常训练数据；以及 2）次优的特征学习。通过构建一个替代的两类序数回归任务，我们设计了一种端到端可训练的 video 异常检测方法，能够在无需人工标注正常/异常数据的情况下实现联合表示学习与异常评分。在八个真实世界视频场景上的实验表明，我们提出的方法以大幅优势优于不需要标注训练数据的最先进方法，并能够实现对所识别异常的简便且准确的定位。此外，我们展示了我们的方法提供了有效的人在回路异常检测，这在异常罕见且漏报代价高的应用中至关重要。
引用
@article{arxiv.2003.06780,
title = {Self-trained Deep Ordinal Regression for End-to-End Video Anomaly Detection},
author = {Guansong Pang and Cheng Yan and Chunhua Shen and Anton van den Hengel and Xiao Bai},
journal= {arXiv preprint arXiv:2003.06780},
year = {2020}
}
备注
Accepted to Proc. IEEE Conf. Computer Vision and Pattern Recognition 2020