異常検出のための二重ストリームオートエンコーダを用いた動画の異常検出と事後解釈可能性

動画監視に対する深層学習アプローチへの関心の高まりは、ニューラルネットワークの精度と効率についての懸念を引き起こしています。しかし、異常な事象の迅速かつ信頼性の高い検出は依然として難しい作業です。本研究では、異常な事象にラベル付けされていない監視動画からの迅速かつ効率的な検出を促進するために、オートエンコーダベースの構造を提供する二重ストリームアプローチを紹介します。さらに、特徴マップの視覚化の事後解釈可能性を提示し、特徴学習のプロセスを示し、動画シーケンス内の不確実であいまいな決定境界を明らかにします。Avenue、UCSD Ped2、およびSubwayデータセットに関する実験結果は、我々の方法が異常な事象を適切に検出し、オブジェクトレベルでモデルの内部論理を説明できることを示しています。