Core Concepts
ビデオの異常検出における新しいアプローチを提案する。
Abstract
ビデオの特徴ベクトルをランダム変数として扱い、その分布をニューラルネットワークでモデル化する方法を提案。
ノイズを注入した訓練データで密度関数の近似を行うことで、異常指標を生成。
複数のノイズスケールで異常指標を組み合わせることで、高性能なビデオ異常検出器を実現。
実験結果は、5つの人気のビデオ異常検出ベンチマークで最先端のパフォーマンスを示す。
Introduction:
提案されたビデオ異常検出手法は、特徴ベクトルをランダム変数として扱い、その分布をニューラルネットワークでモデル化することに焦点が当てられています。
Method:
ノイズ注入された訓練データから密度関数の近似が行われ、異常指標が生成されます。
複数のノイズスケールで異常指標が組み合わせられ、Gaussian混合モデルが使用されます。
Experimental Evaluation:
5つのVADベンチマークで実験が行われ、提案手法は最先端のパフォーマンスを達成しました。