基于轻量化时间注意力增强的视频异常检测
作者机构：成都理工大学计算机与网络安全学院四川成都610000
出 版 物：《电子设计工程》 (Electronic Design Engineering)
年 卷 期：2024年第32卷第24期
页 码：72-76页
摘 要：基于弱监督学习的视频异常行为检测算法使用较少的人工注释就能获得较大的性能提升,由于视频分段的影响,时序特征增强对于视频异常检测任务非常关键。现有的方法不能同时兼顾时间注意力增强与模型计算效率,因此,该文引入了一种基于轻量化时间注意力增强的视频异常检测算法,并在此基础上生成与异常检测任务相关的特征。此外,通过所设计的排序函数优化训练异常分数,能使每个片段的异常分数更加准确。相较于传统的Real-World算法,该方法在ShanghaiTech和UCSD Ped2数据集上的准确率分别提升了12.46%和13.03%,验证了其有效性。
主 题 词：视频异常检测 多实例学习 弱监督学习 时间注意力
学科分类：080903[080903] 0809[工学-计算机类] 08[工学]
D O I：10.14022/j.issn1674-6236.2024.24.015
馆 藏 号：203156000...
