論文の概要: Deep Video Anomaly Detection: Opportunities and Challenges

• arxiv url: http://arxiv.org/abs/2110.05086v1
• Date: Mon, 11 Oct 2021 08:41:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 19:14:46.829754
• Title: Deep Video Anomaly Detection: Opportunities and Challenges
• Title（参考訳）: ディープビデオ異常検出:可能性と課題
• Authors: Jing Ren, Feng Xia, Yemeng Liu, and Ivan Lee
• Abstract要約: 異常検出は様々な研究状況において人気があり重要な課題である。 ディープラーニングは、音響、画像、自然言語処理など、いくつかの領域でその能力を示している。 このようなインテリジェントなシステムが私たちの日常生活で実現できれば、多くのメリットがあります。
• 参考スコア（独自算出の注目度）: 12.077052764803161
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Anomaly detection is a popular and vital task in various research contexts, which has been studied for several decades. To ensure the safety of people's lives and assets, video surveillance has been widely deployed in various public spaces, such as crossroads, elevators, hospitals, banks, and even in private homes. Deep learning has shown its capacity in a number of domains, ranging from acoustics, images, to natural language processing. However, it is non-trivial to devise intelligent video anomaly detection systems cause anomalies significantly differ from each other in different application scenarios. There are numerous advantages if such intelligent systems could be realised in our daily lives, such as saving human resources in a large degree, reducing financial burden on the government, and identifying the anomalous behaviours timely and accurately. Recently, many studies on extending deep learning models for solving anomaly detection problems have emerged, resulting in beneficial advances in deep video anomaly detection techniques. In this paper, we present a comprehensive review of deep learning-based methods to detect the video anomalies from a new perspective. Specifically, we summarise the opportunities and challenges of deep learning models on video anomaly detection tasks, respectively. We put forth several potential future research directions of intelligent video anomaly detection system in various application domains. Moreover, we summarise the characteristics and technical problems in current deep learning methods for video anomaly detection.
• Abstract（参考訳）: 異常検出は、何十年にもわたって研究されてきた様々な研究状況において、人気があり重要な課題である。 人々の生活や資産の安全を確保するため、ビデオ監視は、横断歩道、エレベーター、病院、銀行、さらには私家など、様々な公共空間に広く展開されてきた。 ディープラーニングは、音響学、画像、自然言語処理など、さまざまな領域でその能力を示しています。 しかし、インテリジェントなビデオ異常検出システムを考案するのは、異なるアプリケーションシナリオにおいて、異常が著しく異なるためである。 このようなインテリジェントなシステムが、人的資源を大量に節約したり、政府への財政負担を減らしたり、異常な振る舞いをタイムリーに正確に特定したりといった、私たちの日常生活で実現できれば、多くの利点があります。 近年,異常検出問題を解決するための深層学習モデルの拡張に関する研究が数多く登場し,深部映像異常検出技術の有益化が図られている。 本稿では,新しい視点から映像異常を検出するための深層学習に基づく手法の包括的レビューを行う。 具体的には,ビデオ異常検出タスクにおける深層学習モデルの機会と課題を要約する。 我々は,各種アプリケーション領域におけるインテリジェントビデオ異常検出システムの今後の展望について述べる。 さらに,ビデオ異常検出における現在のディープラーニング手法の特徴と技術的問題点を要約する。

関連論文リスト

• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
  本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• Open-Vocabulary Video Anomaly Detection [57.552523669351636]
  監視の弱いビデオ異常検出(VAD)は、ビデオフレームが正常であるか異常であるかを識別するためにビデオレベルラベルを利用する際、顕著な性能を達成した。 近年の研究は、より現実的な、オープンセットのVADに取り組み、異常や正常なビデオから見えない異常を検出することを目的としている。 本稿ではさらに一歩前進し、未確認および未確認の異常を検知・分類するために訓練済みの大規模モデルを活用することを目的とした、オープン語彙ビデオ異常検出(OVVAD)について検討する。
  論文  参考訳（メタデータ） (2023-11-13T02:54:17Z)
• Skeletal Video Anomaly Detection using Deep Learning: Survey, Challenges and Future Directions [3.813649699234981]
  本稿では,ビデオから抽出したスケルトンを用いたプライバシー保護型ディープラーニング異常検出手法について検討する。 我々は,ビデオ異常検出のための骨格ベースのアプローチは,ビデオ異常検出のプライバシー保護に有効な代替手段であると結論付けている。
  論文  参考訳（メタデータ） (2022-12-31T04:11:25Z)
• Deep Learning for Time Series Anomaly Detection: A Survey [53.83593870825628]
  時系列異常検出は、製造業や医療を含む幅広い研究分野や応用に応用されている。 時系列の大規模かつ複雑なパターンにより、研究者は異常パターンを検出するための特別な深層学習モデルを開発するようになった。 本調査は,ディープラーニングを用いた構造化および総合的時系列異常検出モデルの提供に焦点を当てる。
  論文  参考訳（メタデータ） (2022-11-09T22:40:22Z)
• Grid HTM: Hierarchical Temporal Memory for Anomaly Detection in Videos [1.0013553984400492]
  近年,ビデオ異常検出システムへの関心が高まっている。 現在のアプローチでは、ビデオ内の異常検出にディープラーニングを使用しているが、このアプローチには複数の問題がある。 複雑なビデオにおける異常検出に特化したHTMアーキテクチャであるGrid HTMの新たなバージョンを紹介する。
  論文  参考訳（メタデータ） (2022-05-30T20:10:23Z)
• 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)
• A Critical Study on the Recent Deep Learning Based Semi-Supervised Video Anomaly Detection Methods [3.198144010381572]
  本稿では,この分野の研究者を新たな視点に紹介し,最近の深層学習に基づく半教師付きビデオ異常検出手法についてレビューする。 私たちのゴールは、より効果的なビデオ異常検出方法の開発を支援することです。
  論文  参考訳（メタデータ） (2021-11-02T14:00:33Z)
• Anomaly Detection using Edge Computing in Video Surveillance System: Review [0.0]
  スマートシティの概念は、都市計画者や研究者に近代的で安全で持続可能なインフラを提供し、住民にまともな生活の質を与えるよう影響を与えている。 このニーズを満たすために、市民の安全と幸福を高めるために、ビデオ監視カメラが配備されている。 現代科学の技術的発展にもかかわらず、監視ビデオシステムにおける異常事象の検出は困難であり、徹底的な人間の努力を必要とする。
  論文  参考訳（メタデータ） (2021-07-06T17:41:56Z)
• Anomaly Detection in Video via Self-Supervised and Multi-Task Learning [113.81927544121625]
  ビデオにおける異常検出は、コンピュータビジョンの問題である。 本稿では,オブジェクトレベルでの自己教師型およびマルチタスク学習を通じて,ビデオ中の異常事象検出にアプローチする。
  論文  参考訳（メタデータ） (2020-11-15T10:21:28Z)
• Deep Learning for Anomaly Detection: A Review [150.9270911031327]
  本稿では,3つの高レベルカテゴリと11の細粒度カテゴリの進歩を網羅した包括的分類法による深部異常検出の研究について調査する。 我々は、それらの重要な直観、客観的機能、基礎となる仮定、利点とデメリットをレビューし、上記の課題にどのように対処するかについて議論する。
  論文  参考訳（メタデータ） (2020-07-06T02:21:16Z)
• 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)

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。