文献

J-GLOBAL ID：202002269413077049   整理番号：20A2462895

都市異常検出のためのカテゴリー感受性異常フィルタによるモジュール化フレームワーク【JST・京大機械翻訳】

Modularized Framework with Category-Sensitive Abnormal Filter for City Anomaly Detection

著者 (9件)： Wu Jie (Sun Yat-sen University, Guangzhou, China) ,  Li Yingying (Baidu Inc., Beijing, China) ,  Zhang Wei (Baidu Inc., Shenzhen, China) ,  Wu Yi (Energy Development Research Institute, China Southern Power Grid, Guangzhou, China) ,  Tan Xiao (Baidu Inc., Shenzhen, China) ,  Zhang Hongwu (Baidu Inc., Beijing, China) ,  Wen Shilei (Baidu Inc., Beijing, China) ,  Ding Errui (Baidu Inc., Beijing, China) ,  Li Guanbin (Sun Yat-sen University, Guangzhou, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： MM ’20  ページ： 4669-4673  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 都市シナリオにおける異常検出は基本的なコンピュータビジョン作業であり,都市管理と公共安全において重要な役割を担っている。それは近年強い注目を引きつけてきたが,都市環境の複雑性,正常と異常サンプルの間の重大な不均衡,および異常挙動の概念の曖昧さのため,非常に挑戦的な問題である。本論文では,一般的で特定の異常検出を行うモジュール化フレームワークを提案した。ビデオセグメント抽出モジュールを最初に用いて,候補ビデオセグメントを得た。次に,異常分類ネットワークを導入して,各カテゴリに対する異常スコアを予測した。カテゴリ感受性異常フィルタを,候補ビデオクリップから異常事象をフィルタリングするために,分類モデル後に連結する。テストフェーズにおける異常カテゴリーの不均衡の影響を軽減し,より正確な位置決め結果を得るのに役立つ。実験結果は,著者らのフレームワークが,特定の異常検出タスクにおいて最初にランクする,都市SCENEチャレンジ2020のテストセットにおいて,66.41MF1を得ることを明らかにした。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： フィルタ ,  ネットワーク ,  フィルタリング ,  *都市 ,  感受性 ,  位置決め ,  コンピュータビジョン ,  曖昧さ ,  都市環境
準シソーラス用語： 不均衡 ,  複雑性 ,  異常検出 ,  モジュール化 ,  ビデオクリップ , 【Automatic Indexing@JST】

著者キーワード (4件)： 異常検出 ,  カテゴリー感受性異常フィルタ ,  時間的セグメントネットワーク ,  時間シフトモジュール

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 都市 ,  異常検出 ,  カテゴリー ,  感受性 ,  モジュール化 ,  フレームワーク