BriefGPT - AI 论文速递
·
一种粗到细的伪标签（C2FPL）框架用于无监督视频异常检测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了一种基于帧预测的视频异常检测方法，采用了Multi-path ConvGRU网络，引入了噪声容忍损失来减轻背景噪声造成的干扰。实验结果表明，在CUHK Avenue、ShanghaiTech Campus和UCSD Pedestrian数据集上表现更好，尤其在CUHK Avenue数据集上获得了88.3％的帧级AUROC分数。
🎯
关键要点
- 提出了一种基于帧预测的视频异常检测方法。
- 该方法采用了 Multi-path ConvGRU 网络以处理语义信息和不同尺度的区域。
- 引入了噪声容忍损失来减轻背景噪声的干扰。
- 在 CUHK Avenue、ShanghaiTech Campus 和 UCSD Pedestrian 数据集上进行了广泛实验。
- 该方法在 CUHK Avenue 数据集上获得了 88.3％ 的帧级 AUROC 分数，表现优于现有技术。
➡️
