文献

J-GLOBAL ID：202202273015736376   整理番号：22A0397781

時間再帰差分ネットワークベース予測を用いた非定常ビデオにおける異常検出【JST・京大機械翻訳】

Anomaly Detection in Nonstationary Videos Using Time-Recursive Differencing Network-Based Prediction

著者 (2件)： Pillai Gargi V. (Department of Electronics and Electrical Communication Engineering, IIT Kharagpur, Kharagpur, India) ,  Sen Debashis (Department of Electronics and Electrical Communication Engineering, IIT Kharagpur, Kharagpur, India)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.8010605.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
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： 空中リモートセンシングを通して捕獲されたものを含むほとんどのビデオは,通常,時変特徴統計量を持つ自然において非定常である。ビデオ異常検出(VAD)には洗練された再構成と予測モデルが存在するが,非定常性の効果的な取扱いは,明示的に考慮されていない。本レターでは,時間再帰差分ネットワークを用いた予測を行い,続いてVADに対する自己回帰移動平均推定を提案した。差分ネットワークを用いて,異常検出中のビデオデータにおける非定常性を効果的に取り扱う。予測プロセスに焦点を合わせて,簡単な光フローベースビデオ特徴を考慮して,また3つの空中ビデオデータセットと2つの標準異常検出ビデオデータセットに関する定性的および定量的結果を生成することによって,提案した方法の有効性を実証した。等価誤り率(EER),曲線下面積(AUC),およびROC曲線ベース比較は,最先端技術を含むいくつかの既存の方法と比較して,提案した方法の優位性を明らかにした。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  リモートセンシング ,  再構成 ,  統計量 ,  *録画装置 ,  誤り率 ,  有効性 ,  血中濃度-時間曲線下面積 ,  予測モデル
準シソーラス用語： ROC曲線 ,  非定常性 ,  異常検出 ,  映像データ ,  自己回帰 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  通信網  (ND07030A)

タイトルに関連する用語 (5件)： 差分 ,  予測 ,  非定常 ,  ビデオ ,  異常検出