Обучение с множественными экземплярами на основе нормальности для слабоконтролируемого обнаружени...
Авторы: Пак Сонхён*; Ким Ханчжэ; Ким Минсу; Ким Дахе; Сон Кванхун. Описание: Метод слабо контролируемого обнаружения аномалий в видео (wVAD) направлен на различение аномалий от нормальных событий на основе видеоконтроля. Большинство существующих работ используют обучение с множественными экземплярами (MIL) с функцией потерь ранжирования для решения этой задачи. Однако эти методы полагаются на зашумленные предсказания классификатора на основе MIL для выбора целевого экземпляра в функции потерь ранжирования, что ухудшает производительность модели. Для преодоления этой проблемы мы предлагаем структуру обучения с множественными экземплярами, управляемую нормальностью (NG-MIL), которая кодирует различные нормальные паттерны из видео без шума в прототипы для построения классификатора на основе сходства. Путем объединения предсказаний двух классификаторов наш метод может уточнить оценки аномалий, уменьшая нестабильность обучения из-за слабых меток. Кроме того, мы вводим кластеризацию на основе нормальности и функцию потерь на основе триплетов, ограничивающую экземпляры внутреннего мешка, чтобы усилить эффект NG-MIL и повысить дискриминационную способность классификаторов. Обширные эксперименты на трех общедоступных наборах данных (ShanghaiTech, UCF-Crime, XD-Violence) демонстрируют, что наш метод сопоставим или превосходит существующие методы со слабым контролем, достигая самых современных результатов.
Название:
Обучение с множественными экземплярами на основе нормальности для слабоконтролируемого обнаружени...
Категория:
Разное