基于片段异常注意的弱监督视频异常检测
计算机视觉与模式识别
2023-09-29 v1
摘要
随着对未裁剪视频中异常事件的关注，研究者对视频异常检测的兴趣日益增长。在不同视频异常检测场景中，弱监督视频异常检测因训练阶段缺乏帧级标签、仅依赖视频级标签作为粗监督而构成重大挑战。先前方法尝试以端到端方式学习判别特征，或采用两阶段自训练策略生成片段级伪标签。然而，两种方法均有局限：前者易忽略片段级信息特征，后者易受噪声影响。本文提出一种用于弱监督异常检测的异常注意机制以解决上述问题。我们的方法考虑片段级编码特征，无需伪标签监督。具体而言，该方法首先生成片段级异常注意，随后将其与原始异常分数一同输入多分支监督模块。该模块学习视频的不同区域（包括难以检测的区域），并辅助注意优化。在基准数据集 XDViolence 和 UCF-Crime 上的实验验证了我们方法的有效性。此外，得益于所提片段级注意，我们获得了更精确的异常定位。
引用
@article{arxiv.2309.16309,
title = {Weakly-Supervised Video Anomaly Detection with Snippet Anomalous Attention},
author = {Yidan Fan and Yongxin Yu and Wenhuan Lu and Yahong Han},
journal= {arXiv preprint arXiv:2309.16309},
year = {2023}
}