双流注意力增强记忆网络用于视频异常检测
Weishan Gao1, Xiaoyin Wang1, Ye Wang1
1China Aerospace Academy of Systems Science and Engineering, Beijing 100048, China.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
这项研究引入了一种用于弱监督视频异常检测 (WSVAD) 的新方法,以提高准确性. 这种新的方法增强了特征表示和歧视,大大减少了虚假警报,并改善了不寻常事件的检测.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 弱监督的视频异常检测 (WSVAD) 难以处理复杂的时间依赖性和区分类似事件.
- 由于背景噪声干扰,现有的方法往往会产生高的错误报警率.
研究的目的:
- 开发一种新的WSVAD方法,增强特征表示和歧视,以更准确地检测异常.
- 解决模拟时间动态和缓解背景噪声方面的挑战.
主要方法:
- 采用分层的多尺度时代编码器和位置感知全球关系网络,以实现强大的时代表示.
- 使用双流注意力增强记忆网络,具有双向空间注意力,用于精确的事件歧视和降低噪音.
主要成果:
- 在只使用RGB特征的UCF-Crime (87.43%AUC) 和XD-Violence (85.51%AP) 数据集上实现了最先进的性能.
- 在检测突出事件和减少错误阳性结果方面显著改进.
结论:
- 提出的"以注意力引导的原型匹配"范式有效地解决了WSVAD的关键挑战.
- 该方法可以在视频中进行强大而精确的异常检测.