Temel Kavramlar
監視カメラ映像での危険な行動を自動的に検出するための新しいデータセットと深層学習を使用した物体投げ行動の検出手法が提案されています。
Özet
異常行動検出はコンピュータビジョン内の難しい研究領域です。
物体投げ行動の検出は公共安全性向上プロジェクトにおける重要な要件です。
提案された解決策は、深層学習を使用して監視ビデオ内での物体投げ行動を検出します。
新しい公開データセット「Throwing Action」は、271本の物体投げアクションビデオと130本の通常ビデオから成り立っています。
異常検知アルゴリズムのパフォーマンスは改善され、ROC曲線下面積は86.10(Throwing-Action dataset)および80.13(結合データセット)に達しています。
Related Work
物体投げアクションや一般的な異常検知手法に関する文献レビューが提供されています。
Methodology
異常検知手法について詳細な説明があります。複数の特徴抽出器と最適化手法が比較されています。
Experiments
UCF-Crime datasetおよびThrowing-Action datasetで実験が実施され、性能が評価されました。
Adam optimizerを使用したモデルがAdadelta optimizerよりも優れた結果を示しています。
False Alarm Analysis
提案された平均正常ロス関数により、偽警報率が有意に低下しました。
İstatistikler
この論文では、以下の重要な数字や指標が使用されています:
ROC曲線下面積:86.10(Throwing-Action dataset)、80.13(結合データセット)
Alıntılar
"Anomaly events are defined as deviations from the normal patterns in traffic flow."
"An advantage of the supervised anomaly detection methods is that they often outperform unsupervised techniques for the specific anomalies for which they are trained."