論文の概要: Detecting Suspicious Behavior: How to Deal with Visual Similarity
through Neural Networks
- arxiv url: http://arxiv.org/abs/2007.15235v1
- Date: Thu, 30 Jul 2020 05:13:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 13:42:08.495046
- Title: Detecting Suspicious Behavior: How to Deal with Visual Similarity
through Neural Networks
- Title(参考訳): 疑わしい行動を検出する:ニューラルネットワークによる視覚的類似性に対処する方法
- Authors: Guillermo A. Mart\'inez-Mascorro, Jos\'e C. Ortiz-Bayliss, Hugo
Terashima-Mar\'in
- Abstract要約: 犯罪前行動法(Pre-Crime Behavior method)は、犯罪委員会に関連する情報を除去し、犯罪が起こる前に不審な行動に焦点を合わせる。
異なるタイプの犯罪から得られたサンプルは、通常の行動サンプルと高い視覚的類似性を持つ。
我々は3D畳み込みニューラルネットワークを実装し、異なるアプローチでそれらを訓練した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Suspicious behavior is likely to threaten security, assets, life, or freedom.
This behavior has no particular pattern, which complicates the tasks to detect
it and define it. Even for human observers, it is complex to spot suspicious
behavior in surveillance videos. Some proposals to tackle abnormal and
suspicious behavior-related problems are available in the literature. However,
they usually suffer from high false-positive rates due to different classes
with high visual similarity. The Pre-Crime Behavior method removes information
related to a crime commission to focus on suspicious behavior before the crime
happens. The resulting samples from different types of crime have a high-visual
similarity with normal-behavior samples. To address this problem, we
implemented 3D Convolutional Neural Networks and trained them under different
approaches. Also, we tested different values in the number-of-filter parameter
to optimize computational resources. Finally, the comparison between the
performance using different training approaches shows the best option to
improve the suspicious behavior detection on surveillance videos.
- Abstract(参考訳): 明らかな行動は、セキュリティ、資産、生命、あるいは自由を脅かす可能性がある。
この振舞いには特定のパターンがなく、それを検出して定義するタスクが複雑になる。
人間の観察者でさえ、監視ビデオで不審な行動を見つけることは複雑である。
異常で不審な行動関連問題に取り組むためのいくつかの提案が文献で利用可能である。
しかし、視覚的類似度が高い異なるクラスのために、しばしば高い偽陽性率に悩まされる。
犯罪前行動方法は、犯罪発生前に疑わしい行動に焦点を当てるために犯罪委員会に関連する情報を削除する。
異なる種類の犯罪から得られたサンプルは、通常の行動サンプルと高い視覚的類似性を有する。
この問題に対処するため,我々は3次元畳み込みニューラルネットワークを実装し,異なるアプローチで学習した。
また,計算資源を最適化するためにフィルタ数パラメータの異なる値をテストした。
最後に,異なるトレーニングアプローチによる評価の比較により,監視ビデオにおける疑わしい行動検出を改善する最善の選択肢が示された。
関連論文リスト
- Learning Expressive And Generalizable Motion Features For Face Forgery
Detection [52.54404879581527]
本稿では,既存のビデオ分類手法に基づく,シーケンスに基づく効果的な偽造検出フレームワークを提案する。
動作特徴をより表現しやすくするために,別の動作整合ブロックを提案する。
一般的なビデオ分類ネットワークを3つの顔偽造データに対して有望な結果を達成する。
論文 参考訳(メタデータ) (2024-03-08T09:25:48Z) - Learn Suspected Anomalies from Event Prompts for Video Anomaly Detection [49.91075101563298]
イベントプロンプトから疑わしい異常の学習を導くための新しい枠組みが提案されている。
これにより、新しいマルチプロンプト学習プロセスにより、すべてのビデオの視覚的セマンティックな特徴を制限できる。
提案手法はAPやAUCといった最先端の手法よりも優れている。
論文 参考訳(メタデータ) (2024-03-02T10:42:47Z) - Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。
ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。
3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
論文 参考訳(メタデータ) (2023-07-11T07:48:39Z) - Towards an Accurate and Secure Detector against Adversarial
Perturbations [58.02078078305753]
敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。
現在のアルゴリズムは、通常、自然・人工データの識別的分解を通じて、敵対的なパターンを検出する。
本研究では,秘密鍵を用いた空間周波数判別分解に基づく,高精度かつセキュアな対向検波器を提案する。
論文 参考訳(メタデータ) (2023-05-18T10:18:59Z) - Detecting Adversarial Perturbations in Multi-Task Perception [32.9951531295576]
本稿では,複雑な視覚タスクのマルチタスク認識に基づく,新たな対向摂動検出手法を提案する。
入力画像の抽出されたエッジと深度出力とセグメンテーション出力との不整合により、逆摂動を検出する。
5%の偽陽性率を仮定すると、画像の最大100%は逆摂動として正しく検出され、摂動の強さに依存する。
論文 参考訳(メタデータ) (2022-03-02T15:25:17Z) - student dangerous behavior detection in school [27.02391566687007]
我々は,学生の危険行動を自動的に検出することに集中しており,多くの課題に直面している。
そこで我々は,マルチスケールのボディ特徴とキーポイントに基づくポーズ特徴を組み合わせた,新しいエンド・ツー・エンドの危険行動検出手法DangerDetを提案する。
私たちのデータセットでは、DangerDetは約11 FPSで71.0%のmAPを達成した。
論文 参考訳(メタデータ) (2022-02-19T08:23:36Z) - Leveraging Real Talking Faces via Self-Supervision for Robust Forgery
Detection [112.96004727646115]
本研究では,実話を用いた顔操作映像の検出手法を開発した。
本手法は, クロスマニピュレーションの一般化とロバストネス実験における最先端性能を実現する。
以上の結果から、より堅牢な顔偽造検知器の開発には、自然ビデオと未表示ビデオの活用が有望な方向であることが示唆された。
論文 参考訳(メタデータ) (2022-01-18T17:14:54Z) - Using a Neural Network to Detect Anomalies given an N-gram Profile [0.0]
異常検出は、コンピュータプログラムの通常の実行動作をプロファイルするように設計されている。
正常だが観察できない行動は偽陽性を引き起こす可能性がある。
本稿では,ニューラルネットワークを用いた異常の存在を説明する方法について述べる。
論文 参考訳(メタデータ) (2021-04-12T15:40:43Z) - Anomaly Recognition from surveillance videos using 3D Convolutional
Neural Networks [0.0]
異常なアクティビティ認識は、通常のストリームから変化するパターンやイベントを識別する。
この研究は、中央フロリダ大学犯罪ビデオデータセットに基づいて訓練された深部3次元畳み込みネットワーク(3D ConvNets)を用いて、特徴の学習にシンプルで効果的なアプローチを提供する。
論文 参考訳(メタデータ) (2021-01-04T16:32:48Z) - Anomaly Detection-Based Unknown Face Presentation Attack Detection [74.4918294453537]
異常検出に基づくスプーフ攻撃検出は、顔提示攻撃検出の最近の進歩である。
本稿では,異常検出に基づくスプーフ攻撃検出のためのディープラーニングソリューションを提案する。
提案手法はCNNの表現学習能力の恩恵を受け,fPADタスクの優れた特徴を学習する。
論文 参考訳(メタデータ) (2020-07-11T21:20:55Z) - Defending Adversarial Attacks via Semantic Feature Manipulation [23.48763375455514]
本稿では,敵の事例を検出・浄化するために,FM(One-off and attack-agnostic Feature Manipulation)-Defenseを提案する。
特徴の操作を可能にするために、コンボ変分オートエンコーダを適用して、意味的特徴を明らかにする非絡み合った潜在符号を学習する。
実験により、FM-Defenseは、異なる最先端の敵攻撃によって生成されるほぼ100%の敵の例を検出できることが示された。
論文 参考訳(メタデータ) (2020-02-03T23:24:32Z)
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。