論文の概要: Few-shot Scene-adaptive Anomaly Detection

• arxiv url: http://arxiv.org/abs/2007.07843v1
• Date: Wed, 15 Jul 2020 17:08:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 05:08:42.660053
• Title: Few-shot Scene-adaptive Anomaly Detection
• Title（参考訳）: シーン適応型異常検出
• Authors: Yiwei Lu, Frank Yu, Mahesh Kumar Krishna Reddy and Yang Wang
• Abstract要約: 本稿では,従来のアプローチの限界に対処するため,新しいシーン適応型異常検出問題を提案する。 私たちのゴールは、わずか数フレームの未確認シーンで異常を検出することを学ぶことです。 この新しい問題に対する信頼性の高いソリューションは、現実世界のアプリケーションに大きな可能性を秘めている。
• 参考スコア（独自算出の注目度）: 11.788539543098869
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We address the problem of anomaly detection in videos. The goal is to identify unusual behaviours automatically by learning exclusively from normal videos. Most existing approaches are usually data-hungry and have limited generalization abilities. They usually need to be trained on a large number of videos from a target scene to achieve good results in that scene. In this paper, we propose a novel few-shot scene-adaptive anomaly detection problem to address the limitations of previous approaches. Our goal is to learn to detect anomalies in a previously unseen scene with only a few frames. A reliable solution for this new problem will have huge potential in real-world applications since it is expensive to collect a massive amount of data for each target scene. We propose a meta-learning based approach for solving this new problem; extensive experimental results demonstrate the effectiveness of our proposed method.
• Abstract（参考訳）: ビデオにおける異常検出の問題に対処する。 目標は、通常のビデオからのみ学習することで、異常な振る舞いを自動的に識別することだ。 既存のアプローチの多くはデータハングリーであり、一般化能力は限られている。 それらは通常、ターゲットシーンからの大量のビデオで訓練され、そのシーンで良い結果を得る必要がある。 本稿では,従来のアプローチの限界に対処するため,新しいシーン適応型異常検出問題を提案する。 私たちの目標は、わずか数フレームで未発見のシーンで異常を検出することを学ぶことです。 この新しい問題の信頼できるソリューションは、ターゲットシーンごとに大量のデータを収集するコストがかかるため、現実世界のアプリケーションにおいて大きな可能性を秘めている。 本稿では,この問題を解決するメタラーニングに基づくアプローチを提案し,提案手法の有効性を実験的に検証した。

関連論文リスト

• Weakly-Supervised Video Anomaly Detection with Snippet Anomalous Attention [22.985681654402153]
  弱教師付き異常検出のための異常注意機構を提案する。 提案手法は,擬似ラベルの監督を伴わないスニペットレベルの符号化機能を考慮したものである。
  論文  参考訳（メタデータ） (2023-09-28T10:03:58Z)
• SOAR: Scene-debiasing Open-set Action Recognition [81.8198917049666]
  本稿では、対向的なシーン再構成モジュールと適応的な対向的なシーン分類モジュールを備えた、Scene-debiasing Open-set Action Recognition (SOAR)を提案する。 前者は、デコーダが映像特徴の映像背景を再構成することを防止し、特徴学習における背景情報を低減する。 後者は、アクションフォアグラウンドに特に重点を置いて、映像の特徴を与えられたシーンタイプの分類を混乱させることを目的としており、シーン不変情報を学習するのに役立つ。
  論文  参考訳（メタデータ） (2023-09-03T20:20:48Z)
• Approaches Toward Physical and General Video Anomaly Detection [0.0]
  ビデオにおける異常検出は、多くの製造、保守、実生活環境における誤動作の自動検出を可能にする。 6つの異なるビデオクラスを含む物理異常軌道(Physal Anomalous Trajectory)データセットを紹介する。 我々は、高度に可変なシーンで異常なアクティビティを発見すべきという、さらに難しいベンチマークを提案する。
  論文  参考訳（メタデータ） (2021-12-14T18:57:44Z)
• Anomaly Crossing: A New Method for Video Anomaly Detection as Cross-domain Few-shot Learning [32.0713939637202]
  ビデオ異常検出は、ビデオで発生した異常事象を特定することを目的としている。 従来のアプローチのほとんどは、教師なしまたは半教師なしの手法で通常のビデオからのみ学習する。 本稿では,ビデオの異常検出に通常のビデオと異常ビデオの両方をフル活用することで,新たな学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2021-12-12T20:49:38Z)
• Few-Shot Learning for Video Object Detection in a Transfer-Learning Scheme [70.45901040613015]
  ビデオ物体検出のための数発学習の新たな課題について検討する。 我々は,多数のベースクラスオブジェクトに対して映像物体検出を効果的に訓練するトランスファー学習フレームワークと,ノベルクラスオブジェクトのいくつかのビデオクリップを用いる。
  論文  参考訳（メタデータ） (2021-03-26T20:37:55Z)
• Robust Unsupervised Video Anomaly Detection by Multi-Path Frame Prediction [61.17654438176999]
  本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。 提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
  論文  参考訳（メタデータ） (2020-11-05T11:34:12Z)
• Toward Accurate Person-level Action Recognition in Videos of Crowded Scenes [131.9067467127761]
  我々は、シーンの情報を完全に活用し、新しいデータを集めることで、アクション認識を改善することに集中する。 具体的には、各フレームの空間的位置を検出するために、強い人間の検出器を採用する。 そして、行動認識モデルを適用して、HIEデータセットとインターネットから多様なシーンを持つ新しいデータの両方でビデオフレームから時間情報を学ぶ。
  論文  参考訳（メタデータ） (2020-10-16T13:08:50Z)
• 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)
• Self-trained Deep Ordinal Regression for End-to-End Video Anomaly Detection [114.9714355807607]
  ビデオ異常検出に自己学習深層順序回帰を適用することで,既存の手法の2つの重要な限界を克服できることを示す。 我々は,手動で正規/異常データをラベル付けすることなく,共同表現学習と異常スコアリングを可能にする,エンドツーエンドのトレーニング可能なビデオ異常検出手法を考案した。
  論文  参考訳（メタデータ） (2020-03-15T08:44:55Z)
• Few-Shot Scene Adaptive Crowd Counting Using Meta-Learning [13.149654626505741]
  数ショットシーン適応的な群集カウントの問題点を考察する。 対象のカメラシーンが与えられた場合、この特定のシーンにモデルを適応させることを目標としています。 我々は、最近導入された学習から学習へのパラダイムからインスピレーションを得て、この課題を達成する。
  論文  参考訳（メタデータ） (2020-02-01T19:41:26Z)

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。