論文の概要: Master-Auxiliary: an efficient aggregation strategy for video anomaly detection

• arxiv url: http://arxiv.org/abs/2005.11645v2
• Date: Sat, 19 Sep 2020 13:34:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 13:51:11.469600
• Title: Master-Auxiliary: an efficient aggregation strategy for video anomaly detection
• Title（参考訳）: Master-Auxiliary:ビデオ異常検出のための効率的な集約戦略
• Authors: Zhiguo Wang, Zhongliang Yang, Yujin Zhang
• Abstract要約: 監視ビデオ異常検出の目的は、特定のシーンで稀に、あるいは一度も起こらない事象を検出することである。 本稿では,複数の検出器を集約する効率的な手法を提案する。
• 参考スコア（独自算出の注目度）: 33.273148409922065
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The aim of surveillance video anomaly detection is to detect events that rarely or never happened in a certain scene. Generally, different detectors can detect different anomalies. This paper proposes an efficient strategy to aggregate multiple detectors. First, the aggregation strategy chooses one detector as master detector by experience, and sets the remaining detectors as auxiliary detectors. Then, the aggregation strategy extracts credible information from auxiliary detectors, including credible abnormal (Cred-a) frames and credible normal (Cred-n) frames. After that, the frequencies that each video frame being judged as Cred-a and Cred-n are counted. Applying the events' time continuity property, more Cred-a and Cred-n frames can be inferred. Finally, the aggregation strategy utilizes the Cred-a and Cred-n frequencies to vote to calculate soft weights, and uses the soft weights to assist the master detector. Experiments are carried out on multiple datasets. Comparing with existing aggregation strategies, the proposed strategy achieves state-of-the-art performance.
• Abstract（参考訳）: 監視ビデオ異常検出の目的は、特定のシーンでめったに発生しないイベントを検出することである。 一般に、異なる検出器は異なる異常を検出することができる。 本稿では,複数の検出器を集約する効率的な手法を提案する。 まず、集積戦略は経験により1つの検出器をマスター検出器として選択し、残りの検出器を補助検出器として設定する。 そして、集約戦略は、信頼できる異常(cred-a)フレームおよび信頼できる正常(cred-n)フレームを含む補助検出器から信頼できる情報を抽出する。 その後、各映像フレームをCred-a、Cred-nと判定する周波数をカウントする。 イベントの時間連続性を適用すると、より多くの cred-a と cred-n フレームが推測できる。 最後に、アグリゲーション戦略はCred-aとCred-nの周波数を使ってソフトウェイトを計算し、ソフトウェイトを使ってマスター検出器を補助する。 複数のデータセットで実験を行う。 既存の集約戦略と比較すると,提案手法は最先端のパフォーマンスを実現する。

関連論文リスト

• STMixer: A One-Stage Sparse Action Detector [43.62159663367588]
  よりフレキシブルな1段アクション検出器のための2つのコア設計を提案する。 まず、クエリベースの適応的特徴サンプリングモジュールを分離し、ビデオ時間領域全体から特徴群をマイニングする柔軟性を備えた検出器を実現する。 第2に,より優れた特徴復号化のために,空間次元と時間次元の混合に動的に参画する分離された特徴混合モジュールを考案する。
  論文  参考訳（メタデータ） (2024-04-15T14:52:02Z)
• A Minimax Approach Against Multi-Armed Adversarial Attacks Detection [31.971443221041174]
  多武装の敵攻撃は、最先端の検出器を騙すことに成功している。 本稿では,複数の事前学習型検出器のソフト・確率出力をミニマックス・アプローチで集約する手法を提案する。 我々は,アグリゲーションが,多腕対人攻撃に対する個々の最先端検出器より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-02-04T18:21:22Z)
• Tracking by Associating Clips [110.08925274049409]
  本稿では,オブジェクト関連をクリップワイドマッチングとして扱う方法を検討する。 我々の新しい視点では、1つの長いビデオシーケンスを複数のショートクリップとみなし、そのトラックはクリップ内とクリップ間の両方で実行される。 この新しい手法の利点は2つある。まず、ビデオチャンキングによって中断フレームをバイパスできるため、エラーの蓄積や伝播の追跡に頑健である。 次に、クリップワイドマッチング中に複数のフレーム情報を集約し、現在のフレームワイドマッチングよりも高精度な長距離トラックアソシエーションを実現する。
  論文  参考訳（メタデータ） (2022-12-20T10:33:17Z)
• Deep Spectro-temporal Artifacts for Detecting Synthesized Speech [57.42110898920759]
  本稿では,トラック1(低品質フェイク音声検出)とトラック2(部分フェイク音声検出)の総合評価を行う。 本稿では, 原時間信号, スペクトル特性, 深層埋没特性を用いて, 分光時相アーティファクトを検出した。 我々はそれぞれ1番線と2番線で4位と5位にランクインした。
  論文  参考訳（メタデータ） (2022-10-11T08:31:30Z)
• Multimodal Graph Learning for Deepfake Detection [10.077496841634135]
  既存のディープフェイク検出器は、堅牢性と一般化を達成する上でいくつかの課題に直面している。 本稿では,マルチモーダルグラフ学習(MGL)という新しいフレームワークを提案する。 提案手法は,ディープフェイク検出のための特徴を効果的に識別し,活用することを目的としている。
  論文  参考訳（メタデータ） (2022-09-12T17:17:49Z)
• TR-MOT: Multi-Object Tracking by Reference [42.45614650498083]
  本稿では、変形可能なトランス構造に基づくより信頼性の高いアソシエーションを提供するための新しい参照探索(RS)モジュールを提案する。 提案手法は,MOT17およびMOT20データセット上での競合結果を実現する。
  論文  参考訳（メタデータ） (2022-03-30T19:07:26Z)
• Probabilistic Ranking-Aware Ensembles for Enhanced Object Detections [50.096540945099704]
  本稿では,検知器から箱を囲むことの信頼性を向上するPRAE(Probabilistic Ranking Aware Ensemble)という新しいアンサンブルを提案する。 また,異なる数の箱を扱う必要性によって生じる信頼の不均衡問題に対処するためのbanditアプローチも導入する。
  論文  参考訳（メタデータ） (2021-05-07T09:37:06Z)
• A Background-Agnostic Framework with Adversarial Training for Abnormal Event Detection in Video [120.18562044084678]
  近年,ビデオにおける異常事象検出は複雑なコンピュータビジョンの問題として注目されている。 通常のイベントのみを含むトレーニングビデオから学習するバックグラウンドに依存しないフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-27T18:39:24Z)
• Quickest Intruder Detection for Multiple User Active Authentication [74.5256211285431]
  我々は,Multiple-user Quickest Intruder Detection (MQID)アルゴリズムを定式化する。 より少ない観測サンプルで侵入者検出を行うデータ効率のシナリオにアルゴリズムを拡張した。 顔のモダリティに基づく2つのAAデータセットに対する提案手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-06-21T21:59:01Z)
• Joint Detection and Tracking in Videos with Identification Features [36.55599286568541]
  本稿では,ビデオ検出,追跡,再識別機能の最初の共同最適化を提案する。 提案手法はMOTの最先端に到達し,オンライントラッカーにおけるUA-DETRAC'18追跡課題のうち,第1位,第3位にランクインした。
  論文  参考訳（メタデータ） (2020-05-21T21:06:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。