LTGS-Net: 弱監視のビデオ異常検出のためのローカル・タイムラル・アンド・グローバル・スペースネットワーク

科学分野:

• コンピュータ・ビジョン
• 人工知能
• 機械学習

背景:

• 監視機能の欠乏は 監視機能の欠乏とラベリングコストの不足に伴います
• 現在の方法は,しばしば空間と時間の特徴を独立して処理し,複雑な相互依存を捕捉し,検出性能に影響を与えます.
• ビデオにおける堅実で正確な異常検出の必要性には,時空情報を効果的に統合する新しいアプローチが必要です.

研究 の 目的:

• ローカル・テンポラル・アンド・グローバル・スペース・ネットワーク (LTGS) という新しいネットワークアーキテクチャを提案し,弱点の監視によるビデオ異常検出を行う.
• 局所的な時間的およびグローバルな空間的特徴を共同で処理することによって,時空依存性の捉え方を強化する.
• ダイナミックなラベル更新戦略を通じてモデルの強度と精度を向上させる.

主な方法:

• クリップレベルの時間関係とビデオレベルの空間機能モジュールを含むローカル・タイムラル・アンド・グローバル・スペースラル・ネットワーク (LTGS) を開発した.
• ビデオ異常検出のための特異な機能エンコーダを作成するためにこれらのモジュールの共同トレーニングを使用しました.
• クリップレベルのアノテーションを洗練し,モデルのパフォーマンスを最適化するために,ダイナミックなラベル更新戦略を実装した.

主要な成果:

• LTGS方法はベンチマークデータセットで高いパフォーマンスを達成し,AUCは上海テックで96.69%,UCF-Crimeで82.33%でした.
• ビデオ異常検出のタスクにおける様々な最先端のアルゴリズムと比較して優れたパフォーマンスを示した.
• 提案されたアーキテクチャとダイナミックラベル更新戦略の有効性を広範な実験で検証した.

結論:

• LTGSネットワークは,弱度に監視されたビデオ異常検出における独立した空間時間的な特徴処理の制限を効果的に解決します.
• 提案された方法は検出の精度と信頼性を大幅に向上させ,インテリジェント・サーベイランス・システムにとって有望な解決策となる.
• この研究は,ビデオ異常検出の研究を進めるために,統合された時空分析と適応ラベリングの重要性を強調しています.