文献

J-GLOBAL ID：202102212321919219   整理番号：21A3307553

ビデオにおける異常検出のための一般化能力評価によるカスケード再構成モデル【JST・京大機械翻訳】

A cascade reconstruction model with generalization ability evaluation for anomaly detection in videos

著者 (4件)： Zhong Yuanhong (School of Microelectronics and Communication Engineering, Chongqing University, Chongqing 400030, China) ,  Chen Xia (School of Microelectronics and Communication Engineering, Chongqing University, Chongqing 400030, China) ,  Jiang Jinyang (State Grid Chongqing Electric Power Research Institute, Chongqing, 401123, China) ,  Ren Fan (Changan Software Technology Company, Changan Automobile Corp, Chongqing, 401120, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 122  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 異常検出は,それが低コストで効率的に公共安全を維持するので,監視ビデオにおいて重要な役割を果たす。現在の研究において,深層学習による再構成に基づく異常検出法を,強力な表現能力のために広範囲に研究した。これらの方法は,訓練における正規性を記述するためのモデルを学習するために畳み込みニューラルネットワークを使用し,試験における再構成誤差に従って異常を検出する。しかし,ニューラルネットワークの過度の表現能力も,異常情報を再構成するのに十分強力である場合,異常検出に不利をもたらす。このため,2つの解決策を提案した。最初に,光フロー予測に続く画素再構成を行うカスケードモデルを設計した。フレームからオプティカルフローへの変換は,オブジェクト外見と運動の間の相関を学習し,一方,ピクセル再構成は,有効異常検出を行うために,オプティカルフロー予測誤差を拡大した。第2に,擬似異常に基づく一般化能力評価を提案して,それは異常を表現するためのモデルの能力を評価するために使用して,このように,異常検出のための最適モデルを選択した。選択したモデルは,AvenueでAUC88.9%,Ped1で82.6%,Ped2で97.7%,上海Techデータセットで70.7%を達成した。広範なアブレーション実験は,著者らの方法の有効性を検証した。コードはhttps://github.com/Xia-Chen/Cascade_Reconstructionで放出される。Copyright 2021 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： ニューラルネットワーク ,  画素 ,  再構成 ,  *録画装置 ,  有効性 ,  アブレーション ,  オプティカルフロー ,  構成モデル ,  予測誤差
準シソーラス用語： カスケードモデル ,  異常検出 ,  能力評価 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 異常検出 ,  ピクセル再構成 ,  オプティカルフロー予測 ,  一般化能力評価

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： ビデオ ,  異常検出 ,  一般化 ,  能力評価 ,  カスケード ,  構成モデル