論文の概要: Prior Knowledge Guided Network for Video Anomaly Detection
- arxiv url: http://arxiv.org/abs/2309.01682v1
- Date: Mon, 4 Sep 2023 15:57:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-06 18:02:33.469398
- Title: Prior Knowledge Guided Network for Video Anomaly Detection
- Title(参考訳): ビデオ異常検出のための事前知識誘導ネットワーク
- Authors: Zhewen Deng, Dongyue Chen, Shizhuo Deng
- Abstract要約: ビデオ異常検出(VAD)は、ビデオ内の異常事象を検出する。
VADタスクのための事前知識誘導ネットワーク(PKG-Net)を提案する。
- 参考スコア(独自算出の注目度): 1.389970629097429
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Video Anomaly Detection (VAD) involves detecting anomalous events in videos,
presenting a significant and intricate task within intelligent video
surveillance. Existing studies often concentrate solely on features acquired
from limited normal data, disregarding the latent prior knowledge present in
extensive natural image datasets. To address this constraint, we propose a
Prior Knowledge Guided Network(PKG-Net) for the VAD task. First, an
auto-encoder network is incorporated into a teacher-student architecture to
learn two designated proxy tasks: future frame prediction and teacher network
imitation, which can provide better generalization ability on unknown samples.
Second, knowledge distillation on proper feature blocks is also proposed to
increase the multi-scale detection ability of the model. In addition,
prediction error and teacher-student feature inconsistency are combined to
evaluate anomaly scores of inference samples more comprehensively. Experimental
results on three public benchmarks validate the effectiveness and accuracy of
our method, which surpasses recent state-of-the-arts.
- Abstract(参考訳): ビデオ異常検出(VAD)は、ビデオ内の異常事象を検出し、インテリジェントなビデオ監視において重要な、複雑なタスクを提示する。
既存の研究はしばしば、限られた正規データから得られた機能のみに集中し、広範囲の自然画像データセットに存在する潜在的な事前知識を無視している。
この制約に対処するために,VADタスクのための事前知識誘導ネットワーク(PKG-Net)を提案する。
まず,教師-学生のネットワークに自動エンコーダネットワークを組み込んで,将来的なフレーム予測と教師ネットワーク模倣という,未知のサンプルに対するより優れた一般化能力を提供する2つのプロキシタスクを学習する。
第2に, 本モデルのマルチスケール検出能力を高めるために, 適切な特徴ブロック上の知識蒸留も提案されている。
さらに、予測誤差と教師/学生の特徴矛盾を組み合わせ、推論サンプルの異常スコアをより包括的に評価する。
提案手法の有効性と精度を3つの公開ベンチマークで検証した。
関連論文リスト
- MissionGNN: Hierarchical Multimodal GNN-based Weakly Supervised Video Anomaly Recognition with Mission-Specific Knowledge Graph Generation [5.0923114224599555]
本稿では,新しい階層グラフニューラルネットワーク(GNN)モデルであるMissionGNNを紹介する。
提案手法は,大規模マルチモーダルモデル上での重勾配計算を回避し,従来の手法の限界を回避する。
我々のモデルは,従来のセグメンテーションベースやマルチモーダルアプローチの制約を伴わずに,リアルタイムビデオ解析のための実用的で効率的なソリューションを提供する。
論文 参考訳(メタデータ) (2024-06-27T01:09:07Z) - Large Language Model Guided Knowledge Distillation for Time Series
Anomaly Detection [12.585365177675607]
AnomalyLLMは15のデータセットで最先端のパフォーマンスを示し、UCRデータセットの少なくとも14.5%の精度向上を実現している。
論文 参考訳(メタデータ) (2024-01-26T09:51:07Z) - Video Anomaly Detection using GAN [0.0]
この論文は、このユースケースに対する解決策を提供することを目的としており、監視システム記録の異常な活動に目を通すために人的資源が不要になるようにする。
我々は,新しいGANに基づく異常検出モデルを開発した。
論文 参考訳(メタデータ) (2023-11-23T16:41:30Z) - 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) - Exploring Inconsistent Knowledge Distillation for Object Detection with
Data Augmentation [66.25738680429463]
物体検出のための知識蒸留(KD)は、教師モデルから知識を伝達することで、コンパクトな検出器を訓練することを目的としている。
教師モデルの反直感的知覚に固有の知識を蒸留することを目的とした,一貫性のない知識蒸留(IKD)を提案する。
本手法は, 1段, 2段, アンカーフリーの物体検出器において, 最先端のKDベースラインより優れる。
論文 参考訳(メタデータ) (2022-09-20T16:36:28Z) - SSMTL++: Revisiting Self-Supervised Multi-Task Learning for Video
Anomaly Detection [108.57862846523858]
自己教師型マルチタスク学習フレームワークを再考し、元の手法にいくつかのアップデートを提案する。
マルチヘッド・セルフアテンション・モジュールを導入することで3次元畳み込みバックボーンを近代化する。
モデルをさらに改良するために,セグメントマップの予測などの自己指導型学習タスクについて検討した。
論文 参考訳(メタデータ) (2022-07-16T19:25:41Z) - 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 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) - FairMOT: On the Fairness of Detection and Re-Identification in Multiple
Object Tracking [92.48078680697311]
マルチオブジェクトトラッキング(MOT)はコンピュータビジョンにおいて重要な問題である。
本稿では,FairMOTと呼ばれる,アンカーフリーなオブジェクト検出アーキテクチャCenterNetをベースとした,シンプルかつ効果的なアプローチを提案する。
このアプローチは、検出と追跡の両方において高い精度を達成する。
論文 参考訳(メタデータ) (2020-04-04T08:18:00Z) - 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。