基于跨批次聚类引导的弱监督视频异常检测
计算机视觉与模式识别
2022-12-19 v1
摘要
弱监督视频异常检测（WSVAD）是一项具有挑战性的任务，因为训练时仅可获得视频级标签。在以往研究中，所学特征的判别力不够强，且由小批次训练策略导致的数据不平衡被忽视。为解决这两个问题，我们提出一种基于跨批次聚类引导的新型 WSVAD 方法。为增强特征的判别力，我们提出一种基于批次聚类的损失，以鼓励聚类分支基于一批数据生成区分明显的正常与异常簇。同时，我们设计一种跨批次学习策略，引入先前小批次的聚类结果以减小数据不平衡的影响。此外，我们提出基于批次聚类引导生成更精确的片段级异常分数，进一步提升 WSVAD 的性能。在两个公开数据集上的大量实验证明了我们方法的有效性。
引用
@article{arxiv.2212.08506,
title = {Weakly Supervised Video Anomaly Detection Based on Cross-Batch Clustering Guidance},
author = {Congqi Cao and Xin Zhang and Shizhou Zhang and Peng Wang and Yanning Zhang},
journal= {arXiv preprint arXiv:2212.08506},
year = {2022}
}