論文の概要: Multimedia Datasets for Anomaly Detection: A Survey
- arxiv url: http://arxiv.org/abs/2112.05410v1
- Date: Fri, 10 Dec 2021 09:32:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-13 21:24:18.183553
- Title: Multimedia Datasets for Anomaly Detection: A Survey
- Title(参考訳): 異常検出のためのマルチメディアデータセット:調査
- Authors: Pratibha Kumari, Anterpreet Kaur Bedi, Mukesh Saini
- Abstract要約: 本稿では,様々なビデオ,音声,および異常検出に基づく音声・視覚データセットに関する包括的調査を行う。
異常検出に基づくマルチメディア公開データセットの包括的な比較と分析の欠如に対処することを目的としている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multimedia anomaly datasets play a crucial role in automated surveillance.
They have a wide range of applications expanding from outlier object/ situation
detection to the detection of life-threatening events. This field is receiving
a huge level of research interest for more than 1.5 decades, and consequently,
more and more datasets dedicated to anomalous actions and object detection have
been created. Tapping these public anomaly datasets enable researchers to
generate and compare various anomaly detection frameworks with the same input
data. This paper presents a comprehensive survey on a variety of video, audio,
as well as audio-visual datasets based on the application of anomaly detection.
This survey aims to address the lack of a comprehensive comparison and analysis
of multimedia public datasets based on anomaly detection. Also, it can assist
researchers in selecting the best available dataset for bench-marking
frameworks. Additionally, we discuss gaps in the existing dataset and future
direction insights towards developing multimodal anomaly detection datasets.
- Abstract(参考訳): マルチメディア異常データセットは、自動監視において重要な役割を果たす。
それらは、外部のオブジェクト/状況検出から生命を脅かす事象の検出まで、幅広いアプリケーションを持っている。
この分野は15年以上にわたって大きな研究関心を集めており、その結果、異常なアクションやオブジェクト検出に特化したデータセットがますます多く作成されている。
これらの公開異常データセットをタップすることで、研究者は、同じ入力データと様々な異常検出フレームワークを生成および比較することができる。
本稿では, 様々な映像, 音声, および, 異常検出の応用に基づく音声・視覚データセットに関する包括的調査を行う。
この調査は、異常検出に基づくマルチメディア公開データセットの包括的比較と分析の欠如に対処することを目的としている。
また、ベンチマーキングフレームワークで最高のデータセットを選択する研究者を支援することもできる。
さらに,既存のデータセットにおけるギャップと,マルチモーダル異常検出データセット開発に向けた今後の方向性について考察する。
関連論文リスト
- 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) - PAD: A Dataset and Benchmark for Pose-agnostic Anomaly Detection [28.973078719467516]
我々は,多目的異常検出データセットとPose-Agnostic Anomaly Detectionベンチマークを開発する。
具体的には、さまざまなポーズと、シミュレーションと実環境の両方で高品質で多様な3D異常を持つ20個の複合形状のレゴ玩具を用いて、MADを構築します。
また,ポーズに依存しない異常検出のために,MADを用いて訓練した新しいOmniposeADを提案する。
論文 参考訳(メタデータ) (2023-10-11T17:59:56Z) - WePaMaDM-Outlier Detection: Weighted Outlier Detection using Pattern
Approaches for Mass Data Mining [0.6754597324022876]
外乱検出は、システム障害、不正行為、およびデータ内のパターンに関する重要な情報を明らかにすることができる。
本稿では、異なる質量データマイニング領域を持つWePaMaDM-Outlier Detectionを提案する。
また, 監視, 故障検出, 傾向解析において, 異常検出技術におけるデータモデリングの重要性についても検討した。
論文 参考訳(メタデータ) (2023-06-09T07:00:00Z) - An Outlier Exposure Approach to Improve Visual Anomaly Detection
Performance for Mobile Robots [76.36017224414523]
移動ロボットの視覚異常検出システム構築の問題点を考察する。
標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。
本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
論文 参考訳(メタデータ) (2022-09-20T15:18:13Z) - Detection Hub: Unifying Object Detection Datasets via Query Adaptation
on Language Embedding [137.3719377780593]
新しいデザイン(De Detection Hubという名前)は、データセット認識とカテゴリ整列である。
データセットの不整合を緩和し、検出器が複数のデータセットをまたいで学習するための一貫性のあるガイダンスを提供する。
データセット間のカテゴリは、ワンホットなカテゴリ表現を単語埋め込みに置き換えることで、意味的に統一された空間に整列される。
論文 参考訳(メタデータ) (2022-06-07T17:59:44Z) - Functional Anomaly Detection: a Benchmark Study [4.444788548423704]
異常検出は、非常に高い周波数でサンプリングされた測定に依存することができる。
本研究の目的は, 実データセット上の機能的設定において, 異常検出のための最近の手法の性能について検討することである。
論文 参考訳(メタデータ) (2022-01-13T18:20:32Z) - Anomaly-Injected Deep Support Vector Data Description for Text Outlier
Detection [6.420355190628236]
異常検出または異常検出は、様々な領域で一般的なタスクである。
本研究では,AI-SVDD(Deep Anomaly-injected Support vector data description)フレームワークを提案する。
テキスト入力に対処するために、BERTと協調して多層パーセプトロン(MLP)ネットワークを使用し、リッチなテキスト表現を得る。
論文 参考訳(メタデータ) (2021-10-27T19:29:19Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳(メタデータ) (2021-09-08T14:07:55Z) - Unsupervised Domain Adaption of Object Detectors: A Survey [87.08473838767235]
近年のディープラーニングの進歩は、様々なコンピュータビジョンアプリケーションのための正確で効率的なモデルの開発につながっている。
高度に正確なモデルを学ぶには、大量の注釈付きイメージを持つデータセットの可用性に依存する。
このため、ラベルスカースデータセットに視覚的に異なる画像がある場合、モデルの性能は大幅に低下する。
論文 参考訳(メタデータ) (2021-05-27T23:34:06Z) - Toward Deep Supervised Anomaly Detection: Reinforcement Learning from
Partially Labeled Anomaly Data [150.9270911031327]
本稿では,一部のラベル付き異常事例と大規模ラベルなしデータセットを用いた異常検出の問題点について考察する。
既存の関連手法は、通常、一連の異常にまたがらない限られた異常例にのみ適合するか、ラベルのないデータから教師なしの学習を進めるかのいずれかである。
そこで本研究では,ラベル付きおよびラベルなし両方の異常の検出をエンドツーエンドに最適化する,深層強化学習に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2020-09-15T03:05:39Z) - Anomalous Motion Detection on Highway Using Deep Learning [14.617786106427834]
本稿では,新しい異常検出データセットであるハイウェイ交通異常(HTA)データセットを提案する。
我々は、最先端のディープラーニング異常検出モデルを評価し、これらの手法に新しいバリエーションを提案する。
論文 参考訳(メタデータ) (2020-06-15T05:40:11Z)
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。