|
|||||
|
|
| 利用注意力机制的多示例学习视频异常检测 | |
| 作者姓名： | 魏思倩 吉根林 许振 刘宇杰 |
| 作者单位： | 南京师范大学计算机与电子信息学院 |
| 基金项目： | 国家自然科学基金项目(41971343)资助；;江苏省自然科学基金项目(BK20200725)资助；;江苏省高校自然科学基金面上项目(20KJB520028)资助； |
| 摘 要： | 视频异常检测旨在检测视频中的表观异常和运动异常，多示例学习(Multiple Instance Learning, MIL)是目前较先进的弱监督视频异常检测方法，但是MIL提取的C3D特征不能同时描述视频中表观和运动信息，这导致异常检测性能较低.本文提出了利用注意力机制的多示例学习视频异常检测算法(A-MIL),首先提取视频数据的三维特征C3D和光流特征图，并利用Conv-AE提取光流图的特征向量，然后输入至3层全连接神经网络中得到每个示例每种特征的异常分数，接着通过注意力机制获取特征的权重参数，得到最终的示例分数，最后利用改进的MIL排序算法进行模型训练并设置阈值，测试时将异常分数与阈值相比较以判断异常.在公开数据集UCF-Crime上的实验结果表明，本文方法的AUC指标提升了2.79%. |
| 关 键 词： | 弱监督 多示例学习 异常检测 注意力机制 视频分析 |