文献

J-GLOBAL ID：202002288785359011   整理番号：20A1031257

Gauss混合完全畳込み変分自動符号器によるビデオ異常検出と局所化【JST・京大機械翻訳】

Video anomaly detection and localization via Gaussian Mixture Fully Convolutional Variational Autoencoder

著者 (8件)： Fan Yaxiang (National Key Laboratory of Science and Technology on Vessel Integrated Power System, Naval University of Engineering, Wuhan 430033, China) ,  Fan Yaxiang (Science and Technology on Automatic Target Recognition Laboratory (ATR), National University of Defense Technology, Changsha, 410073, China) ,  Wen Gongjian (Science and Technology on Automatic Target Recognition Laboratory (ATR), National University of Defense Technology, Changsha, 410073, China) ,  Li Deren (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, Hubei, 430071, China) ,  Qiu Shaohua (National Key Laboratory of Science and Technology on Vessel Integrated Power System, Naval University of Engineering, Wuhan 430033, China) ,  Qiu Shaohua (Science and Technology on Automatic Target Recognition Laboratory (ATR), National University of Defense Technology, Changsha, 410073, China) ,  Levine Martin D. (Department of Electrical and Computer Engineering, Center for Intelligent Machines, McGill University, 3480 University Street, Montreal, H3A2A7, Canada) ,  Xiao Fei (National Key Laboratory of Science and Technology on Vessel Integrated Power System, Naval University of Engineering, Wuhan 430033, China)
資料名： Computer Vision and Image Understanding  (Computer Vision and Image Understanding)
巻： 195  ページ： Null  発行年： 2020年 
JST資料番号： W0185A  ISSN： 1077-3142  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 通常のサンプルのみを用いたビデオ異常検出と位置確認のための新しいエンドツーエンド部分教師つき深学習手法を提案した。本研究を動機づける洞察は,正規サンプルがGauss混合モデル(GMM)の少なくとも1つのGauss成分と関連することができるが,一方,異常はいかなるGauss成分にも属さないということである。この方法は,正規サンプルの特徴表現を,深い学習を用いて訓練されたGauss混合モデルとして学習できるGauss混合分散自動符号器に基づいている。入力画像と出力特徴マップ間の相対空間座標を保存するために,完全接続層を含まない完全畳込みネットワーク(FCN)を符号器-復号器構造に用いた。Gauss混合成分の各々の結合確率に基づいて,著者らは画像試験パッチの異常をスコア化するためにサンプルエネルギーベースの方法を導入した。2ストリームネットワークフレームワークを用いて,前者と動的流れ画像に対するRGBフレームを用いて,出現と運動異常を結合した。2つのポピュラーなベンチマーク(UCSDデータセットとAvenue Dataset)に関する著者らのアプローチをテストした。実験結果は,芸術の状態と比較して,著者らの方法の優位性を検証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  *変分法 ,  学習 ,  ネットワーク ,  復号器 ,  位置決め ,  *符号器 ,  *録画装置 ,  エンドツーエンド方式 ,  運動障害 ,  ベンチマーク
準シソーラス用語： スコア化 ,  Gauss混合モデル ,  異常検出 ,  特徴マップ , 【Automatic Indexing@JST】

著者キーワード (6件)： 異常検出 ,  ビデオ監視 ,  変分オートエンコーダ ,  Gauss混合モデル ,  動的流れ ,  2ストリームネットワーク

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 畳込み ,  変分 ,  符号器 ,  ビデオ ,  異常検出 ,  局所化