基于双流卷积自编码器的无监督小鼠行为异常检测
计算机视觉与模式识别
2021-06-02 v1
摘要
本文探讨了无监督学习在小鼠视频数据异常检测中的应用。本文提出的两个模型分别为双流三维卷积自编码器（带残差连接）与双流二维卷积自编码器。此处使用的公开数据集包含十二段单只居家笼养小鼠的视频及帧级标注。在自编码器仅见正常事件的预设下，对手工视频数据进行处理，将每种行为视为伪异常，从而在训练时将其从其他行为中剔除。结果针对一种显著行为（hang）与一种不显著行为（groom）给出。将这些模型的性能与基于自定义 CAE 的单流自编码器及有监督学习模型进行比较。两个模型还在 CUHK Avenue 数据集上进行了测试，发现其性能与部分最先进架构相当。
引用
@article{arxiv.2106.00598,
title = {Unsupervised detection of mouse behavioural anomalies using two-stream convolutional autoencoders},
author = {Ezechukwu I Nwokedi and Rasneer S Bains and Luc Bidaut and Sara Wells and Xujiong Ye and James M Brown},
journal= {arXiv preprint arXiv:2106.00598},
year = {2021}
}