S3R:Self-Supervised Sparse Representation for Video Anomaly Detection 【ECCV 2022】
论文笔记
【摘要】视频异常检测（VAD）旨在定位视频序列中的意外动作或活动。现有的主流VAD技术要么基于单类方法（假设所有训练数据都是正常的），要么基于弱监督（仅需要视频级正常/异常标签）。为了建立解决两个VAD设置的统一方法，我们引入了自监督稀疏表示（S3R）框架，该框架通过探索基于字典的表示和自监督学习之间的协同作用，在特征级别对异常概念进行建模。通过学习字典，S3R有助于两个耦合的模块（en-Normal和de-Normal）重建片段级特征并过滤掉正常事件特征。自监督技术还能够生成伪正常/异常样本，以训练异常检测器。我们通过大量实验证明，对于单类和弱监督的VAD任务，S3R在流行的基准数据集上实现了最新的性能。
1.引言
根据关于训练视频序列的注释或假设，最近处理VAD任务的努力可以分为无监督和弱监督技术。无监督的VAD场景，我们而被称为单类VAD。识别正常和异常模式的广泛采用的方法是嵌入空间学习或数据重构。
弱监督的VAD假设视频级正常/异常
S3R:Self-Supervised Sparse Representation for Video Anomaly Detection 【ECCV 2022】相关推荐
- Week8测验：Anomaly Detection【Maching Learning】
1. For which of the following problems would anomaly detection be a suitable algorithm? A.Given an i ...
- Overlooked Video Classification in Weakly Supervised Video Anomaly Detection 【2022】
目录 一.前言知识 二.论文阅读 [摘要] 1.引言 2.相关工作
- 论文阅读 (86)：Normality Guided Multiple Instance Learning for Weakly Supervised Video Anomaly Detection
文章目录 1 引入 1.1 题目 1.2 摘要 1.3 引用 2 方法 2.1 背景和动机 2.2 正态导向微调模块 2.2.1 正态更新 2.2.2 异常预测微调 2.3 学习目标 2.3.1 正态 ...
- 异常检测论文阅读笔记《MIST: Multiple Instance Self-Training Framework for Video Anomaly Detection》
MIST: Multiple Instance Self-Training Framework for Video Anomaly Detection 论文来源:CVPR 2021 原论文地址链接 相 ...
- Weakly Superised video anomaly detection弱监督视频异常检测
关于弱监督的一些论文记录.(以便自己学习总结) 目录 Consistency-based Self-supervised Learning for Temporal Anomaly Localizat ...
- [异常检测] Regularity Learning via Explicit Distribution Modeling for Skeletal Video Anomaly Detection
Regularity Learning via Explicit Distribution Modeling for Skeletal Video Anomaly Detection 单位: 上海交通 ...
- 论文阅读 (64)：Weakly-supervised Video Anomaly Detection with Robust Temporal Feature Magnitude Learning
文章目录 1 引入 1.1 题目 1.2 代码 1.3 摘要 1.4 Bib 2 RTFM 2.1 理论动机 2.2 多尺度时间特征学习 2.3 特征量级学习 2.4 RTFM帧级分类器 3 实验 3 ...
- 《Rethinking Video Anomaly Detection - A Continual Learning Approach》异常检测 WACV-2022
Rethinking Video Anomaly Detection - A Continual Learning Approach WACV-2022 论文源地址:Rethinking Video ...
- 论文阅读 (75)：Video Anomaly Detection with Spatio-temporal Dissociation (2022)
文章目录 1 概述 1.1 题目 1.2 摘要 1.3 代码 1.4 Bib 2 方法 2.1 总览 2.2 空间自编码 2.3 动作自编码器 2.4 方差注意力模块 2.5 聚类 2.6 训练优化目 ...
最新文章
- springCloud--1
- matlab数值计算好处,第四章 MATLAB 的数值计算功能(一）
- for each in java script
- ASP.NET中数据库数据导入Excel并打印
- php 表单搜索,wordpress的搜索表单searchform.php
- 【ARM】ARM汇编程序设计(三) 循环结构
- TensorFlow实现LeNet5模型
- IDEA和VS code设置默认换行符为LF
- C++第二次上机5-5
- linux nginx 清除缓存文件,linux nginx 内置缓存怎么去掉
- 《那些年啊，那些事——一个程序员的奋斗史》——122
- 基于javaweb的音乐网站
- arcgis 经纬度转大地坐标_arcgis下平面坐标与大地坐标的转换
- 万字总结：金融市场基础知识
- 最佳Icon图标库推荐，收藏等于学会
- win7，win10访问Samba的共享目录提示“登录失败：用户名或密码错误”最终解决方法
- 【分治算法-02】算法经典问题
- windows10下装pytorch简单步骤和中遇见的一些问题
- 从1900年1月1日（星期一），开始经过的n年当中，没个月的13号这一天是星期一，星期二，星期三...星期日的次数分别是多少
- python+excel接口自动化测试（实现 数据分离，token获取，数据依赖，发送邮件）