abnormal event detection | BriefGPT

关键词abnormal event detection

搜索结果 - 9

自抽掩蔽自编码器是高效的视频异常检测器
本研究提出了一种基于轻量级掩蔽自编码器的高效异常事件检测模型，它能够利用运动梯度进行权重计算、结合师生解码器来提高检测效果、通过生成合成异常事件来扩充训练数据，同时将原始帧和对应的像素级异常地图一同重新构建，在三个基准测试上表现出优异的速度
PDFa year ago
超图对比学习在异常事件检测中的应用
本文提出了 AEHCL（一种基于超图对 AHIN 进行异常事件检测的对比学习算法）来完全捕捉异常事件模式，并通过应用内部事件和事件之间对比模块来改进检测结果，该算法能够有效地提高平均精度（AP）和曲线下面积 (AUC) 分别高达 12.0％
PDFa year ago
一种基于背景无关框架的对抗训练方法，用于视频异常事件检测
该论文提出了一种背景无关框架来解决视频中异常事件检测的问题，该框架由对象检测器、外观和运动自编码器以及二进制分类器组成。通过对外部领域伪异常示例进行梯度上升和对外观和运动特征进行区分，并对四个基准数据集进行评估，该框架在所有数据集上均表现出
PDF4 years ago
CVPR视频异常事件检测的物体中心自编码器和虚假异常
本文提出一种基于一对多二分类、无监督特征学习和有监督分类的异常事件检测方法，使用基于物体中心的卷积自编码器编码运动和外观信息，并将训练样本聚类成正常性簇。在四个基准数据集上进行了实验，结果显示此方法超过现有技术的结果。
PDF6 years ago
STAN：时空对抗网络用于异常事件检测
这篇论文提出了一种基于时空对抗网络（STAN）的新颖的异常事件检测方法，通过使用双向 ConvLSTM 考虑时空特征，提高了生成模型的质量，并采用三维卷积层进行分类，同时本文也取得了与最先进方法的竞争性效果。
PDF6 years ago
使用缩小的正常性聚类检测视频中的异常事件
该研究旨在解决异常事件检测问题，提出了一种基于 k-means 聚类和支持向量机的两阶段算法来消除异常点，并使用预训练神经网络的最后一层卷积层提取深度外观特征来增强时空立方体。通过在仅包含正常事件的训练视频中提取运动和外观特征并应用 k-m
PDF6 years ago
ICCV视频中异常事件的揭示
提出了一种基于 unmasking 技术的异常事件检测方法，通过逐步训练二分类器标记出视频序列中的异常事件，并在四个数据集上与多种监督学习和非监督学习方法进行了比较，结果显示该方法可在实时环境下处理高速视频并取得最优表现。
PDF7 years ago
软硬件注意力：一种 LSTM 框架用于人类轨迹预测和异常事件检测
通过建立深度学习基础的行人运动预测模型，利用 “软性注意力” 和 “硬性注意力” 相结合的方式，成功实现了不需要手工特征处理的异常事件检测，从而在两个公开数据库中取得了比同类研究更优秀的结果。
PDF7 years ago
插拔式卷积神经网络用于人群运动分析：异常事件检测应用
本文探究了利用 Convolutional Neural Networks 和低水平的光流测量来检测视频中的局部异常点。研究结果表明，该方法比当前最先进的方法更为优秀。
PDF8 years ago