5、基于最小 - 最大排序损失的多级 3DCNN 视频异常检测方法

基于最小 - 最大排序损失的多级 3DCNN 视频异常检测方法

在视频异常检测领域，学习机制的选择至关重要。以往基于无监督学习的方法，仅依据正常样本进行优化，由于难以定义所有类型的正常样本，在现实场景中会产生较高的误报率。为解决这一问题，近期研究将视频异常检测视为二分类问题，考虑正常和异常样本。但要实现强监督学习，需要大量时间标注数据，获取长未修剪视频的密集时间标注既费力又耗时。因此，有学者提出了基于弱监督的多实例学习（MIL）框架。

主要贡献

本文提出的方法有三个主要贡献：
- 提出 3DCNN 中的多级特征组合策略，旨在缓解异常检测任务中的视觉挑战，如部分遮挡、光照变化等。
- 提出最小 - 最大排序损失，既能最大化异常和正常实例之间的分离，又能最小化正常实例之间的分离。
- 在大规模广泛使用的 UCF - Crime 数据集上进行了广泛的实验评估，展示了该方法相较于近期方案的有效性。

方法概述

该方案由四个不同阶段组成，按顺序执行以检测未修剪监控视频中的异常。以下是各阶段的详细介绍：
1. 视频分段（阶段 A） ：将每个未修剪视频 V 划分为固定数量（设为 T）的时间不相交片段 {TS1, TS2, …, TST}，以保持不同长度视频的同质性。由于视频长度可变，每个时间片段 TSi 的长度可能在不同视频序列中有所不同。
2. 多级 3DCNN 特征提取（阶段 B） ：
- 采用基于预训练在 Sports1M 数据集上的顺序 3D ConvNet（C3D）架构的多级 3DCNN 网络提取时空特征。
- C3D