A New Comprehensive Benchmark for Semi-supervised Video Anomaly Detection and Anticipation
本文创新点
- 提出NWPU Campus这个新数据集，是目前最大最复杂的半监督视频异常行为检测的数据集，弥补了以往数据集对场景依赖的异常行为的缺失
- 提出了预测异常行为这个新任务，同时本文数据集也是第一个支持异常行为预测的
- 提出了一种可以检测并预测异常行为的新方法。
ps: 场景依赖的异常行为：即只有在特定场景下的某些行为才会被认定为异常。比如：在人行道上踢球，但在操场上踢球不是异常行为
数据集简介
所提方法
问题定义
在时间步t。对于VAD任务，算法应基于t时刻以及之前的视频帧输出当前时刻的异常分数$s(t)$。对于VAA，算法的任务是输出在未来$\alpha$时间内是否发生异常。
前向-反向 场景依赖自动编码器
异常分数
在推理阶段，通过计算前向网络输出的t时刻预测帧与真实帧之间误差值作为VAD任务的异常分数，对于VAA，通过取t+1至t+$\alpha$时间内的$s(t+i)$最大值作为VAA任务的预测异常分数
性能表现
版权申明
本文系作者 @冯大仙 原创发布在Hello World站点。未经许可，禁止转载。
全部评论 7
kxzmyxwwjj
Google Chrome Windows 10ehrojoiqjp
Google Chrome Windows 10jfuthxxjyy
Google Chrome Windows 10dybnzlxwon
Google Chrome Windows 10vrtsqqdqgs
Google Chrome Windows 10enbamgsdpc
Google Chrome Windows 10aesrcbmayl
Google Chrome Windows 10