이 연구는 동적 구분 학습(DDL)이라는 새로운 비디오 이상 탐지 방법론을 소개한다. DDL은 의사 이상치, 동적 이상치 가중치, 그리고 구분 손실 함수를 결합하여 탐지 정확도를 높인다.
의사 이상치를 활용하여 모델이 정상 및 이상 행동의 다양성에 적응할 수 있도록 하며, 고정된 이상치 임계값에 의존하지 않는다. 실험 결과, DDL 모델은 Ped2, Avenue, ShanghaiTech 데이터셋에서 우수한 성능을 보였으며, 각 장면에 맞춰 개별 모델을 구축할 수 있는 확장성과 적응성을 입증했다.
To Another Language
from source content
arxiv.org
Дополнительные вопросы