リアルタイム弱監視付きビデオ異常検出

弱監視付きビデオ異常検出は、トレーニング中に異常なビデオと通常のビデオがいくつか存在し、異常が発生するタイミングを示すラベル付きフレームがない多くの現実世界のアプリケーションにおいて重要な問題です。この分野における最先端の手法は、リアルタイム検出を考慮せずにオフライン異常検出に焦点を当てることが一般的です。これらの手法のほとんどは、その場しのぎの特徴集約技術とメトリック学習損失の使用に依存しており、モデルがリアルタイムで異常を検出する能力を制限しています。深層ニューラルネットワークの前提に沿って、生データから直接効果的な特徴を自動的に学習できるエンドツーエンドのアプローチの開発にも注目が高まっています。我々は、弱監視付きビデオ異常検出のための初のリアルタイムかつエンドツーエンドでトレーニングされたアルゴリズムを提案します。私たちのトレーニング手順は、最近のアクション認識文献に基づいており、大規模なビデオモデルをトレーニングして視覚的特徴を学習します。これは、既存のアプローチが主に事前トレーニングされた特徴抽出器に依存しているのとは対照的です。提案された方法は、既存の手法に比べて異常検出の速度とAUCパフォーマンスを大幅に改善します。具体的には、UCF-Crimeデータセットでは、我々の方法は6.4秒の意思決定期間で86.94%のAUCを達成し、競合する手法は最大で273秒の意思決定期間で85.92%のAUCを達成します。