UBnormal:用于监督开集视频异常检测的新基准
计算机视觉与模式识别
2023-04-10 v3 机器学习
摘要
视频中异常事件的检测通常被构建为一类分类任务,其中训练视频仅包含正常事件,而测试视频同时包含正常与异常事件。在此场景下,异常检测是一个开集问题。然而,一些研究将异常检测等同于动作识别。这是一种闭集场景,无法检验系统检测新异常类型的能力。为此,我们提出 UBnormal,一个由多个虚拟场景组成、用于视频异常检测的新型监督开集基准。与现有数据集不同,我们在训练时引入像素级标注的异常事件,首次使得全监督学习方法可用于异常事件检测。为保持典型的开集设定,我们确保训练与测试视频集合中包含互不相交的异常类型集合。据我们所知,UBnormal 是首个允许一类开集模型与监督闭集模型进行公平直接对比的视频异常检测基准,如我们的实验所示。此外,我们提供的经验证据表明 UBnormal 可提升最先进异常检测框架在两个著名数据集 Avenue 和 ShanghaiTech 上的性能。我们的基准可于 https://github.com/lilygeorgescu/UBnormal 免费获取。
引用
@article{arxiv.2111.08644,
title = {UBnormal: New Benchmark for Supervised Open-Set Video Anomaly Detection},
author = {Andra Acsintoae and Andrei Florescu and Mariana-Iuliana Georgescu and Tudor Mare and Paul Sumedrea and Radu Tudor Ionescu and Fahad Shahbaz Khan and Mubarak Shah},
journal= {arXiv preprint arXiv:2111.08644},
year = {2023}
}
备注
Accepted at CVPR 2022. Paper + supplementary (15 pages, 9 figures)