論文の概要: Abnormal Event Detection in Urban Surveillance Videos Using GAN and
Transfer Learning
- arxiv url: http://arxiv.org/abs/2011.09619v1
- Date: Thu, 19 Nov 2020 02:39:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 20:33:43.816669
- Title: Abnormal Event Detection in Urban Surveillance Videos Using GAN and
Transfer Learning
- Title(参考訳): GANと移動学習を用いた都市サーベイランスビデオにおける異常事象検出
- Authors: Ali Atghaei, Soroush Ziaeinejad, Mohammad Rahmati
- Abstract要約: 都市監視ビデオにおける異常事象検出(AED)には複数の課題がある。
本稿では、GANCSDを用いて、事前訓練された畳み込みニューラルネットワーク(CNN)上で転送学習アルゴリズムを実行する。
実験結果から,提案手法は群集シーンにおける異常事象を効果的に検出・検出できることが示唆された。
- 参考スコア(独自算出の注目度): 5.092028049119383
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Abnormal event detection (AED) in urban surveillance videos has multiple
challenges. Unlike other computer vision problems, the AED is not solely
dependent on the content of frames. It also depends on the appearance of the
objects and their movements in the scene. Various methods have been proposed to
address the AED problem. Among those, deep learning based methods show the best
results. This paper is based on deep learning methods and provides an effective
way to detect and locate abnormal events in videos by handling spatio temporal
data. This paper uses generative adversarial networks (GANs) and performs
transfer learning algorithms on pre trained convolutional neural network (CNN)
which result in an accurate and efficient model. The efficiency of the model is
further improved by processing the optical flow information of the video. This
paper runs experiments on two benchmark datasets for AED problem (UCSD Peds1
and UCSD Peds2) and compares the results with other previous methods. The
comparisons are based on various criteria such as area under curve (AUC) and
true positive rate (TPR). Experimental results show that the proposed method
can effectively detect and locate abnormal events in crowd scenes.
- Abstract(参考訳): 都市監視ビデオにおける異常事象検出(AED)には複数の課題がある。
他のコンピュータビジョン問題とは異なり、AEDはフレームの内容にのみ依存するわけではない。
また、場面における物体の外観や動きにも依存する。
AED問題に対処する様々な手法が提案されている。
これらのうち、ディープラーニングに基づく手法が最良の結果を示している。
本稿では,深層学習法に基づき,時空間データを扱うことで映像中の異常事象を検出・発見する効果的な方法を提案する。
本稿では,gans(generative adversarial network)を用いて,事前学習された畳み込みニューラルネットワーク(cnn)上で転送学習アルゴリズムを実行する。
映像の光フロー情報を処理することにより、モデルの効率をさらに向上させる。
本稿では,AED問題に対する2つのベンチマークデータセット(UCSD Peds1とUCSD Peds2)について実験を行い,その結果を他の手法と比較する。
比較は、AUC(Area Under curve)やTPR(true positive rate)といった様々な基準に基づいている。
実験の結果,提案手法は群集シーンの異常事象を効果的に検出・検出できることがわかった。
関連論文リスト
- Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。
本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。
本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
論文 参考訳(メタデータ) (2024-11-28T13:04:45Z) - Comparing Optical Flow and Deep Learning to Enable Computationally Efficient Traffic Event Detection with Space-Filling Curves [0.6322312717516407]
我々は,OF(Optical Flow)とDL(Deep Learning)を比較し,前方の車載カメラからの映像データに対して,空間充填曲線による計算効率の高いイベント検出を行う。
以上の結果から,OFアプローチは特異性に優れ,偽陽性を低減し,DLアプローチは優れた感度を示した。
論文 参考訳(メタデータ) (2024-07-15T13:44:52Z) - Towards Debiasing Frame Length Bias in Text-Video Retrieval via Causal
Intervention [72.12974259966592]
トリミングビデオクリップのトレーニングセットとテストセットのフレーム長差による時間偏差について,一意かつ体系的に検討した。
Epic-Kitchens-100, YouCook2, MSR-VTTデータセットについて, 因果脱バイアス法を提案し, 広範な実験およびアブレーション研究を行った。
論文 参考訳(メタデータ) (2023-09-17T15:58:27Z) - Unsupervised Video Anomaly Detection with Diffusion Models Conditioned
on Compact Motion Representations [17.816344808780965]
教師なしビデオ異常検出(VAD)問題とは、ビデオ内の各フレームをラベルにアクセスすることなく正常または異常に分類することである。
提案手法は条件付き拡散モデルを用いて,事前学習したネットワークから入力データを抽出する。
提案手法は,データ駆動しきい値を用いて,異常事象の指標として高い再構成誤差を考慮している。
論文 参考訳(メタデータ) (2023-07-04T07:36:48Z) - DOAD: Decoupled One Stage Action Detection Network [77.14883592642782]
人々をローカライズし、ビデオからアクションを認識することは、ハイレベルなビデオ理解にとって難しい課題だ。
既存の手法は主に2段階ベースで、1段階は人物境界ボックス生成、もう1段階は行動認識を行う。
本稿では、時間的行動検出の効率を向上させるために、DOADと呼ばれる分離したワンステージネットワークを提案する。
論文 参考訳(メタデータ) (2023-04-01T08:06:43Z) - The role of noise in denoising models for anomaly detection in medical
images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。
正規データのみを用いた教師なし異常検出手法が提案されている。
空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文 参考訳(メタデータ) (2023-01-19T21:39:38Z) - Real-Time Driver Monitoring Systems through Modality and View Analysis [28.18784311981388]
ドライバーの気晴らしが道路事故の主要な原因であることが知られている。
State-of-the-artメソッドはレイテンシを無視しながら精度を優先する。
本稿では,ビデオフレーム間の時間的関係を無視した時間効率な検出モデルを提案する。
論文 参考訳(メタデータ) (2022-10-17T21:22:41Z) - Mitigating Representation Bias in Action Recognition: Algorithms and
Benchmarks [76.35271072704384]
ディープラーニングモデルは、稀なシーンやオブジェクトを持つビデオに適用すると、パフォーマンスが悪くなります。
この問題にはアルゴリズムとデータセットの2つの異なる角度から対処する。
偏りのある表現は、他のデータセットやタスクに転送するとより一般化できることを示す。
論文 参考訳(メタデータ) (2022-09-20T00:30:35Z) - Object Class Aware Video Anomaly Detection through Image Translation [1.2944868613449219]
本稿では、画像翻訳タスクを通して正常な外見と動きパターンを学習する2ストリームオブジェクト認識型VAD手法を提案する。
その結果,従来の手法の大幅な改善により,本手法による検出は完全に説明可能となり,異常はフレーム内で正確に局所化されることがわかった。
論文 参考訳(メタデータ) (2022-05-03T18:04:27Z) - 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) - 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)
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。