CVPRApr, 2024

CUE-Net: 基于空间裁剪、增强统一器 V2 和改进的高效叠加注意力的暴力检测视频分析

PDF
TL;DR本文提出了 CUE-Net，一种用于视频监控中自动化暴力检测的新型架构，并通过将空间裁剪与 UniformerV2 架构的增强版本相结合，集成了卷积和自注意机制以及一种新颖的修改的高效加性注意机制（减少了自注意力的二次时间复杂度），从而有效而高效地识别暴力活动。该方法旨在解决传统挑战，如捕捉视频帧中远距离或部分遮挡的对象。通过关注局部和全局的时空特征，CUE-Net 在 RWF-2000 和 RLVS 数据集上实现了最先进的性能，超越了现有的方法。
cue-netautomated violence detectionvideo surveillancespatial croppingmodified efficient additive attention
发现论文，激发创造
  • JOSENet：一种用于监控视频中暴力检测的联合流嵌入网络

    自监督学习方法 JOSENet 在监控视频中的暴力检测任务中表现出色，提供了改进的性能，同时需要较少的帧数和降低的帧率。

    May, 2024

  • 用户生成视频情感识别的端到端视听注意力网络

    本研究提出了一种基于卷积神经网络的深层视听关注网络（VAANet）来进行用户生成视频中的情感识别，其结果在两个不易的视频情绪识别数据集上均优于现有的方法。

    Feb, 2020

  • SIViDet: 高效武器暴力检测的显著图像

    为了提高智能城市安全的效率性，本研究提出了一个聚焦于武装暴力、非武装暴力和非暴力事件的新数据集，同时提出了一种基于数据的新方法用于图像分类，以提高智能城市中武器检测的性能。经过实验，该方法可高效地检测和区分带武器和不带武器的暴力事件，达到 99% 的性能。

    Jul, 2022

  • EAC-Net：基于区域的深度增强和裁剪方法用于面部动作单元检测

    本研究提出了基于深度学习的面部动作单元检测方法，通过增强和裁剪感兴趣的区域实现，并将增强层和裁剪层添加到预训练的 CNN 模型中，以设计卷积层来学习每个面部区域的深层特征，其表现优于 BP4D 和 DISFA AU 数据集的现有方法。

    Feb, 2017

  • 视频视觉 Transformer 用于暴力检测

    利用端到端深度学习技术和数据增强策略，提出一种暴力事件自动检测解决方案，相较于先前最好的方法，在一些具有挑战性的基准数据集中取得了良好的性能，可用于帮助执法部门及时采取行动。

    Sep, 2022

  • 基于强化学习的混合视觉变换器用于视频暴力识别

    基于深度学习的视频暴力识别研究了准确且可扩展的人类暴力识别问题。本文提出了一种基于 Transformer 的新型专家混合 (MoE) 视频暴力识别系统，通过智能组合大型视觉 Transformer 和高效 Transformer 结构，系统不仅充分利用了视觉 Transformer 架构，还降低了使用大型视觉 Transformer 的成本。通过强化学习路由器，该架构最大化了暴力识别系统的准确性，并积极降低了计算成本。实证结果显示，在 RWF 数据集上，所提出的 MoE 架构相较于基于 CNN 的模型具有卓越的 92.4% 准确率。

    Oct, 2023

  • 使用可分离卷积 LSTM 的高效双流网络进行暴力检测

    本研究提出了一种高效的双流深度学习架构，利用可分离卷积 LSTM 和预训练的 MobileNet，其中一条流接收抑制背景的帧作为输入，另一条流处理相邻帧的差异，通过简单且快速的输入预处理技术突出帧中的运动物体，从而产生有区分度的特征，实验结果表明该模型在计算效率和检测精度方面都有着卓越表现，特别是在 RWF-2000 数据集上，优于同类模型。

    Feb, 2021

  • AdaFocusV3: 统一的时空动态视频识别

    本文探索在改进的 AdaFocusV3 框架上，统一时空动态计算的形式，通过在一些信息丰富的三维视频块上激活高性能网络以降低计算成本，并通过自适应轻量的策略网络在每个样本上根据测试时间的需求动态配置视频块数量，模型经过在 ActivityNet，FCVID，Mini-Kinetics，Something-Something V1&V2 和 Diving48 六个基准数据集上的广泛实验结果证明其显著比竞争算法更有效率。

    Sep, 2022

  • 使用卷积长短期记忆学习检测暴力视频

    本文提出了一个基于深度学习神经网络的方法来自动识别监控视频中的暴力行为，具有很高的识别精度。该方法采用卷积神经网络和长短时记忆网络，能够捕捉到视频中局部的时空特征，实现对局部运动的分析，并通过对相邻帧的差异计算来增强所提出方法的识别功能。实验证明，该方法表现优于现有的同类方法，具有广泛的研究价值。

    Sep, 2017

  • SpotNet: 自注意力多任务网络用于目标检测

    本研究旨在通过多任务学习方式训练一个网络实现视觉注意力，使用半监督学习方式生成前 / 背景分割标签，进而训练目标检测模型，利用分割地图实现自我注意机制，获得在交通监控领域两个数据集上显著的 mAP 改进，UA-DETRAC 和 UAVDT 数据集上均实现了最先进的结果。

    Feb, 2020