用于深度视频打架检测模型的弱监督两阶段训练方案
计算机视觉与模式识别
2022-09-26 v1
摘要
视频中的打架检测是随着当今监控系统与流媒体的普及而兴起的一种深度学习应用。先前工作主要依赖动作识别技术来解决此问题。本文中，我们提出一种简单而有效的方法，从新视角解决该任务：我们将打架检测模型设计为动作感知特征提取器与异常分数生成器的组合。同时，考虑到为视频收集帧级标签过于费力，我们设计了一种弱监督两阶段训练方案，其中利用基于视频级标签计算的多示例学习(multiple-instance-learning)损失训练分数生成器，并采用自训练技术进一步提升其性能。在公开可用的大规模数据集UBI-Fights上的大量实验证明了我们方法的有效性，其在该数据集上的性能超越了若干先前最先进的方法。此外，我们收集了一个专注于视频打架检测的新数据集VFD-2000，其规模更大、场景多于现有数据集。我们的方法实现与所提数据集将公开于https://github.com/Hepta-Col/VideoFightDetection。
引用
@article{arxiv.2209.11477,
title = {Weakly Supervised Two-Stage Training Scheme for Deep Video Fight Detection Model},
author = {Zhenting Qi and Ruike Zhu and Zheyu Fu and Wenhao Chai and Volodymyr Kindratenko},
journal= {arXiv preprint arXiv:2209.11477},
year = {2022}
}
备注
Accepted by ICTAI 2022