【标题】 Local Anomaly Detection in Videos using Object-Centric Adversarial Learning 【作者团队】Pankaj Raj Roy, Guillaume-Alexandre Bilodeau, Lama Seoud 【发表时间】2020/11/13 【论文链接】https://arxiv.org/pdf/2011.06722.pdf 【参考链接】 【推荐理由】 本文收录于ICPR2020，其提出了一种基于两阶段以对象为中心的对抗框架，该框架仅需要对目标区域进行异常检测即可检测出视频中的帧级局部异常。 本文提出了一种基于两阶段以对象为中心的对抗框架的新颖无监督方法，该方法仅需要在目标区域即可检测视频中的帧级局部异常。第一个阶段包括学习当前外观和被视为正常的场景中对象的过去渐变图像之间的对应关系，从而使我们可以从当前外观生成过去渐变，也可以从相反角度生成过去渐变。第二阶段提取具有正常对象行为的真实和生成图像(外观和过去的梯度)之间的部分重建误差，并以对抗的方式训练鉴别器。在推理模式中，本文使用训练好的图像生成器和对抗学习的二进制分类器来输出区域级异常检测分数。本文最后在四个公共基准（UMN，UCSD，Avenue和ShanghaiTech）上测试了所提出的方法，与最新方法相比，本文提出的以对象为中心的对抗方法产生了富有竞争力的结果。 图：基于两阶段以对象为中心的对抗学习框架

内容中包含的图片若涉及版权问题，请及时与我们联系删除