論文の概要: Contextual Information Based Anomaly Detection for a Multi-Scene UAV
Aerial Videos
- arxiv url: http://arxiv.org/abs/2203.15437v1
- Date: Tue, 29 Mar 2022 11:07:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-30 15:04:38.796881
- Title: Contextual Information Based Anomaly Detection for a Multi-Scene UAV
Aerial Videos
- Title(参考訳): マルチシーンUAV空中映像の文脈情報に基づく異常検出
- Authors: Girisha S, Ujjwal Verma, Manohara Pai M M and Radhika M Pai
- Abstract要約: UAVに基づく監視ビデオ分析のためのコンピュータ支援システムの開発が重要である。
フレームレベルのアノテーションを用いて,UAVに基づくマルチシーン異常検出データセットを開発した。
少数の異常サンプルと通常のサンプルを併用して、より良い決定境界を同定する新しい推論戦略を提案する。
- 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: UAV based surveillance is gaining much interest worldwide due to its
extensive applications in monitoring wildlife, urban planning, disaster
management, campus security, etc. These videos are analyzed for
strange/odd/anomalous patterns which are essential aspects of surveillance. But
manual analysis of these videos is tedious and laborious. Hence, the
development of computer-aided systems for the analysis of UAV based
surveillance videos is crucial. Despite this interest, in literature, several
computer aided systems are developed focusing only on CCTV based surveillance
videos. These methods are designed for single scene scenarios and lack
contextual knowledge which is required for multi-scene scenarios. Furthermore,
the lack of standard UAV based anomaly detection datasets limits the
development of these systems. In this regard, the present work aims at the
development of a Computer Aided Decision support system to analyse UAV based
surveillance videos. A new UAV based multi-scene anomaly detection dataset is
developed with frame-level annotations for the development of computer aided
systems. It holistically uses contextual, temporal and appearance features for
accurate detection of anomalies. Furthermore, a new inference strategy is
proposed that utilizes few anomalous samples along with normal samples to
identify better decision boundaries. The proposed method is extensively
evaluated on the UAV based anomaly detection dataset and performed
competitively with respect to state-of-the-art methods.
- Abstract(参考訳): UAVベースの監視は、野生生物の監視、都市計画、災害管理、キャンパスのセキュリティなど、世界中の注目を集めている。
これらのビデオは、監視の本質的な側面である奇妙な/odd/anomalousパターンで分析される。
しかし、これらのビデオのマニュアル分析は退屈で面倒だ。
したがって、UAVに基づく監視ビデオ分析のためのコンピュータ支援システムの開発が重要である。
このような関心にもかかわらず、文学では、CCTVベースの監視ビデオのみに焦点を当てたコンピュータ支援システムが開発されている。
これらの手法は単一シーンシナリオ用に設計されており、マルチシーンシナリオに必要な文脈知識を欠いている。
さらに、UAVベースの異常検出データセットの欠如により、これらのシステムの開発が制限される。
本研究の目的は,UAVによる監視映像の分析を行うコンピュータ支援意思決定支援システムの開発である。
コンピュータ支援システム開発のためのフレームレベルのアノテーションを組み込んだ新しいuavベースのマルチシーン異常検出データセットを開発した。
異常の正確な検出には文脈的、時間的、外観的特徴を用いる。
さらに, 異常なサンプルと正常なサンプルを併用し, より良い決定境界を同定する新たな推論手法を提案する。
提案手法は,uavに基づく異常検出データセット上で広く評価され,最先端手法と競合する。
関連論文リスト
- UAVDB: Trajectory-Guided Adaptable Bounding Boxes for UAV Detection [0.03464344220266879]
パッチ強度収束(Patch Intensity Convergence、PIC)技術は、手動ラベリングなしでUAV検出のための高忠実なバウンディングボックスを生成する。
この技術は、UAV検出に特化した専用データベースであるUAVDBの基礎となる。
我々は,最先端(SOTA)YOLO系列検出器を用いてUAVDBをベンチマークし,総合的な性能解析を行った。
論文 参考訳(メタデータ) (2024-09-09T13:27:53Z) - Deep Learning for Video Anomaly Detection: A Review [52.74513211976795]
ビデオ異常検出(VAD)は、ビデオの正常性から逸脱する行動や事象を発見することを目的としている。
ディープラーニングの時代には、VADタスクには、さまざまなディープラーニングベースの方法が常に現れています。
このレビューでは、半教師付き、弱教師付き、完全教師付き、非教師付き、オープンセットの5つのカテゴリのスペクトルについて取り上げる。
論文 参考訳(メタデータ) (2024-09-09T07:31:16Z) - Weakly Supervised Video Anomaly Detection and Localization with Spatio-Temporal Prompts [57.01985221057047]
本稿では、事前学習された視覚言語モデル(VLM)に基づく、弱教師付きビデオ異常検出および局所化のための時間的プロンプト埋め込み(WSVADL)を学習する新しい手法を提案する。
提案手法は,WSVADLタスクの3つの公開ベンチマークにおける最先端性能を実現する。
論文 参考訳(メタデータ) (2024-08-12T03:31:29Z) - Evidential Detection and Tracking Collaboration: New Problem, Benchmark
and Algorithm for Robust Anti-UAV System [56.51247807483176]
無人航空機(UAV)は輸送、監視、軍事など多くの地域で広く使われている。
従来は、UAVの先行情報が常に提供されていた追跡問題として、このようなアンチUAVタスクを単純化していた。
本稿では,従来のUAV情報を含まない複雑な場面において,UAVの認識を特徴とする新しい実用的対UAV問題を初めて定式化する。
論文 参考訳(メタデータ) (2023-06-27T19:30:23Z) - The State of Aerial Surveillance: A Survey [62.198765910573556]
本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。
主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
論文 参考訳(メタデータ) (2022-01-09T20:13:27Z) - 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) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳(メタデータ) (2021-07-19T12:54:04Z) - 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) - Context-Dependent Anomaly Detection for Low Altitude Traffic
Surveillance [15.406931859536622]
UAVを用いた環境中における点異常と文脈異常を検出するためのディープニューラルネットワーク方式(CADNet)を提案する。
この方法はコンテキストサブネットワークを備えた変分オートエンコーダ(vae)に基づいている。
我々の知る限り、我々の方法はUAV支援空中監視のための最初のコンテキスト異常検出方法である。
論文 参考訳(メタデータ) (2021-04-14T11:12:04Z) - UAV-AdNet: Unsupervised Anomaly Detection using Deep Neural Networks for
Aerial Surveillance [20.318367304051176]
本稿では,重要なインフラの監視のために,ディープニューラルネットワークを用いた全体的異常検出システムを提案する。
まず,鳥視画像中の物体の空間配置を明示的に表現する手法を提案する。
次に、教師なし異常検出(UAV-AdNet)のためのディープニューラルネットワークアーキテクチャを提案する。
文献研究とは異なり、GPSと画像データを組み合わせて異常な観察を予測する。
論文 参考訳(メタデータ) (2020-11-05T14:26:29Z) - 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。