BriefGPT - AI 论文速递
·
CKNN: 清洗的 k - 最近邻方法用于无监督视频异常检测
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究提出了一种基于k-means聚类和支持向量机的算法来解决异常事件检测问题。通过提取深度外观特征和训练支持向量机模型来判断测试样本是否异常。实验结果表明，该方法在大多数情况下可以获得更好的结果，并以每秒24帧的速度在单个CPU上实时处理测试视频。
🎯
关键要点
-
该研究提出了一种基于k-means聚类和支持向量机的两阶段算法来解决异常事件检测问题。
-
使用预训练神经网络的最后一层卷积层提取深度外观特征以增强时空立方体。
-
通过提取正常事件的运动和外观特征并应用k-means聚类来发现正常运动和外观特征的簇。
-
为每个簇训练一类支持向量机模型，以缩小剩余簇的边界。
-
通过分析测试样本对应的支持向量机模型的最大正常度量来判断样本是否异常。
-
该方法在三个基准数据集上与多种现有方法进行了比较，结果显示在大多数情况下表现更好。
-
该算法能够以每秒24帧的速度在单个CPU上实时处理测试视频。
🏷️
标签
➡️
