論文の概要: Video Anomaly Detection using GAN

• arxiv url: http://arxiv.org/abs/2311.14095v1
• Date: Thu, 23 Nov 2023 16:41:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-27 23:04:44.515322
• Title: Video Anomaly Detection using GAN
• Title（参考訳）: GANを用いたビデオ異常検出
• Authors: Anikeit Sethi, Krishanu Saini and Sai Mounika Mididoddi
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Accounting for the increased concern for public safety, automatic abnormal event detection and recognition in a surveillance scene is crucial. It is a current open study subject because of its intricacy and utility. The identification of aberrant events automatically, it's a difficult undertaking because everyone's idea of abnormality is different. A typical occurrence in one circumstance could be seen as aberrant in another. Automatic anomaly identification becomes particularly challenging in the surveillance footage with a large crowd due to congestion and high occlusion. With the use of machine learning techniques, this thesis study aims to offer the solution for this use case so that human resources won't be required to keep an eye out for any unusual activity in the surveillance system records. We have developed a novel generative adversarial network (GAN) based anomaly detection model. This model is trained such that it learns together about constructing a high dimensional picture space and determining the latent space from the video's context. The generator uses a residual Autoencoder architecture made up of a multi-stage channel attention-based decoder and a two-stream, deep convolutional encoder that can realise both spatial and temporal data. We have also offered a technique for refining the GAN model that reduces training time while also generalising the model by utilising transfer learning between datasets. Using a variety of assessment measures, we compare our model to the current state-of-the-art techniques on four benchmark datasets. The empirical findings indicate that, in comparison to existing techniques, our network performs favourably on all datasets.
• Abstract（参考訳）: 公衆の安全に対する懸念が高まる中で,監視場面における異常の自動検出と認識が重要である。 その複雑さと実用性から、現在オープンな研究対象となっている。 異常な出来事を自動的に識別することは、異常という考え方が異なるため、難しい作業です。 ある状況での典型的な発生は、別の状況では異常と見なすことができる。 人混みや閉塞度が高いため, 群集による監視映像では, 自動的異常識別が特に困難となる。 機械学習技術を利用することで、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います。 我々は,新しい生成型逆向ネットワーク(gan)ベースの異常検出モデルを開発した。 このモデルは、高次元画像空間の構築と、映像の文脈から潜在空間の決定について一緒に学ぶように訓練される。 このジェネレータは、マルチステージチャネルアテンションベースのデコーダと、空間データと時間データの両方を実現できる2ストリームの深層畳み込みエンコーダからなる残余のオートエンコーダアーキテクチャを使用する。 また,データセット間の移動学習を活用してモデルを一般化しながら,トレーニング時間を短縮するGANモデルを精錬する手法も提案している。 様々な評価尺度を用いて,4つのベンチマークデータセットにおける現在の最先端技術と比較した。 実験の結果,既存の手法と比較して,ネットワークはすべてのデータセットで良好に動作していることがわかった。

関連論文リスト

• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• 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)
• Detecting Anomalies using Generative Adversarial Networks on Images [0.0]
  本稿では,新しいGANに基づく異常検出モデルを提案する。 通常の(非非正則な)画像を使用して、入力画像が異常/脅威オブジェクトを含むかどうかを検知する正常性について学習する。 CIFAR-10、MVTec AD(産業応用用)、SIXray(X線バッグセキュリティ用)の3つのデータセットで実験が行われた。
  論文  参考訳（メタデータ） (2022-11-24T21:52:25Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• 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)
• TELESTO: A Graph Neural Network Model for Anomaly Classification in Cloud Services [77.454688257702]
  機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。 1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。 与えられたデータの次元変化に不変な手法を提案する。
  論文  参考訳（メタデータ） (2021-02-25T14:24:49Z)
• Double-Adversarial Activation Anomaly Detection: Adversarial Autoencoders are Anomaly Generators [0.0]
  異常検出は、固有のクラス不均衡のため、機械学習アルゴリズムにとって難しいタスクである。 生成モデルに着想を得て,ニューラルネットワークの隠れ活性化の解析を行い,DA3Dと呼ばれる新しい教師なし異常検出手法を提案する。
  論文  参考訳（メタデータ） (2021-01-12T18:07:34Z)
• 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)
• Decoupled Appearance and Motion Learning for Efficient Anomaly Detection in Surveillance Video [9.80717374118619]
  我々は、純粋に教師なしの方法で正常な振る舞いを学習する新しいニューラルネットワークアーキテクチャを提案する。 我々のモデルは、関連するアプローチの16倍から45倍のフレームを毎秒処理できる。
  論文  参考訳（メタデータ） (2020-11-10T11:40:06Z)
• Video Anomaly Detection Using Pre-Trained Deep Convolutional Neural Nets and Context Mining [2.0646127669654835]
  本稿では,事前学習した畳み込みニューラルネットモデルを用いて特徴抽出とコンテキストマイニングを行う方法について述べる。 我々は,高レベルの特徴から文脈特性を導出し,ビデオ異常検出法の性能をさらに向上させる。
  論文  参考訳（メタデータ） (2020-10-06T00:26:14Z)
• Anomaly Detection by One Class Latent Regularized Networks [36.67420338535258]
  近年,GANに基づく半教師付きジェネレーティブ・アドバイザリアル・ネットワーク(GAN)手法が,異常検出タスクで人気を集めている。 遅延特徴空間でトレーニングデータの基盤となる構造を捕捉する新しい対角デュアルオートエンコーダネットワークを提案する。 実験の結果,MNISTおよびCIFAR10データセットおよびGTSRB停止信号データセットの最先端結果が得られた。
  論文  参考訳（メタデータ） (2020-02-05T02:21:52Z)

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。