- 博客(5)
- 收藏
- 关注
原创 【论文笔记】Street Scene: A new dataset and evaluation protocol for video anomaly detection
关键词:WACV2020、1.介绍作者观点:现状——数据集小、评估标准有缺陷作者提出:1.Street Scence数据集,大型、多样、高分辨率2.现有评估标准①.帧级(frame-level):将检测到有任何异常像素的帧记为positive,其他帧记negative。然后用帧级地面真实值的注释,来确定检测到的帧是真阳性还是假阳性。该准则不使用空间定位,即使检测到的异常像素不与任何地面真实值异常像素重叠,也将这一帧记为true positive。②.像素级(pixel-level)仍是计
2020-11-23 21:32:58
870
原创 【论文笔记】A promotion method for generation error-based video anomaly detection
关键词: GE-based 、 block-level GE 、摘要基于生成误差(GE)的方法在此任务中表现出良好的性能。该方法首先训练生成神经网络生成正态样本,然后将梯度(GEs)较大的样本判断为异常。几乎所有基于GE的方法都利用框架级GEs来检测异常。然而,异常通常发生在局部区域,帧级GE将正常区域的GEs引入异常检测中,这带来了两个问题 i)正常区域的GEs降低了异常帧的异常显著性 ii)不同的视频具有不同的正态水平,很难对不同的视频设置一个统一的阈值来检测异常。针对这些问题,我们提出一种推广方法
2020-11-19 19:34:51
693
1
原创 【论文笔记】Future Frame Prediction for Anomaly Detection – A New Baseline
代码https://github.com/StevenLiuWen/ano_pred_cvpr2018CVPR2018大部分现有方法:通过最小化训练数据的重构误差,这并不能保证对异常事件有更大的重构误差。现有方法分类:基于手工特性的方法基于深度学习的方法:通常用自动编码器的方式学习深度神经网络,然后用小的重构误差来重建正常事件作者观点:几乎所有基于训练数据重构的方法都不能保证异常事件的发现工作:提出在视频预测框架内解决异常检测问题,这是第一个利用预测的未来框架除了常用的外观(空间)约
2020-10-28 19:46:04
1106
4
转载 【论文笔记】Spatio-Temporal AutoEncoder for Video Anomaly Detection
Spatio-Temporal AutoEncoder for Video Anomaly Detection摘要1 引言2 我们的方法2.1 3D 卷积2.2 3D 卷积自编码器2.3 权重递减型预测损失2.4 规律性分数3 实验3.1 数据集3.2 异常的可视化3.3 异常事件检测3.4 预测未来帧4 结论本篇论文收录于ACM MM 2017,论文中我们为城市大脑提供监控交通异常的方法。受动作识别等领域的最新研究成果启发,设计了一种时空自编码进行视频异常检测,同时提出一种权重递减的预测误差计算方法
2020-10-28 11:12:15
1976
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人