-
题名利用注意力机制的多示例学习视频异常检测
被引量:1
- 1
-
-
作者
魏思倩
吉根林
许振
刘宇杰
-
机构
南京师范大学计算机与电子信息学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2022年第12期2575-2579,共5页
-
基金
国家自然科学基金项目(41971343)资助
江苏省自然科学基金项目(BK20200725)资助
江苏省高校自然科学基金面上项目(20KJB520028)资助。
-
文摘
视频异常检测旨在检测视频中的表观异常和运动异常,多示例学习(Multiple Instance Learning,MIL)是目前较先进的弱监督视频异常检测方法,但是MIL提取的C3D特征不能同时描述视频中表观和运动信息,这导致异常检测性能较低.本文提出了利用注意力机制的多示例学习视频异常检测算法(A-MIL),首先提取视频数据的三维特征C3D和光流特征图,并利用Conv-AE提取光流图的特征向量,然后输入至3层全连接神经网络中得到每个示例每种特征的异常分数,接着通过注意力机制获取特征的权重参数,得到最终的示例分数,最后利用改进的MIL排序算法进行模型训练并设置阈值,测试时将异常分数与阈值相比较以判断异常.在公开数据集UCF-Crime上的实验结果表明,本文方法的AUC指标提升了2.79%.
-
关键词
弱监督
多示例学习
异常检测
注意力机制
视频分析
-
Keywords
weak supervision
multiple instance learning
anomaly detection
attention mechanism
video analysis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-