2020-既看，又听：在弱监督下学习多模态暴力检测

Not only Look, but also Listen: Learning Multimodal Violence Detection under Weak Supervision

本文的贡献：

1.发布了一个名为XD-Violence的多模式暴力数据集，其中包含4754个未修剪的视频，涵盖了六种常见的暴力类型。 据我们所知，XD暴力是迄今为止规模最大的暴力数据集，总计217小时。 与以前的数据集不同，XD-Violence的视频是从多种场景中捕获的，例如 电影和YouTube。
2.引入了HL-Net来同时捕获远程关系和局部距离关系，这两个关系分别基于相似性优先级和邻近优先级。 此外，我们还提出了用于在线检测的HLC近似器。 基于此，我们使用分数分支动态获取额外的整体关系。
3.我们进行了广泛的实验以验证我们提出的方法的有效性，并且在两个基准（即XD-暴力（Ours）和UCF-Crime）上，我们的方法显示出明显优于现有基准的优势。 此外，实验结果还证明了与单峰相比，多峰信息的优越性。

介绍

数据集6种暴力类别：虐待、车祸、爆炸、战斗、暴动、射击。共有4754个视频，2405个暴力视频和2349个非暴力视频。3954训练集，800测试机（500暴力、300非暴力）由于暴力事件的同时发生，我们还为每个暴力视频分配了多个暴力标签（1≤＃labels≤3）。

大多数方法都假设剪辑良好的视频，暴力事件几乎持续整个视频。然而，这些解