实时视频优化的图像分割异常检测模型研究

本研究提出了用于实时视频效果优化的图像分割异常检测训练模型,该模型结合了空域异常检测与时域异常检测算法,制定了视频图像异常检测策略,能够自动检测分割效果较差的场景并上报至服务端,实现数据集的持续扩充与分割模型的优化。本研究通过MobileNetV3模型进行视频图像预处理与分类模型训练,经过人工分类和标注后,能够实现数据集的持续扩充,进而不断优化图像分割模型的效果,提高了训练模型对实时视频帧异常检测的效率与准确性。