本論文は、動画異常検知のための新しい教師なし学習フレームワークを提案する。従来の動画異常検知手法は、正常データと異常データの両方に人手による注釈が必要であるが、本手法は注釈なしで高精度な異常検知を実現する。
具体的には、一クラス分類(OCC)モデルと弱教師付き学習(WS)モデルを交互に学習させる。OCCモデルは正常データのみを用いて学習し、WSモデルは動画レベルの注釈を利用して学習する。これらのモデルは互いに生成した疑似ラベルを用いて学習を行う。
しかし、疑似ラベルの品質変動によりモデルの性能が不安定になる問題と、WSモデルにしきい値が必要な問題がある。前者の問題に対しては、OCCモデルを重み付きOCCに拡張し、後者の問題に対してはしきい値を動的に調整する手法を提案する。
実験の結果、提案手法は既存の教師なし手法を大きく上回る性能を示し、教師あり手法にも匹敵する高精度を達成した。また、提案手法は学習時間も短く、実用的である。
To Another Language
from source content
arxiv.org
Głębsze pytania