视频异常检测——Appearance-Motion Memory Consistency Network for Video Anomaly Detection

Appearance-Motion Memory Consistency Network for Video Anomaly Detection

文章

2021.AAAI.Appearance-Motion Memory Consistency Network for Video Anomaly Detection

资源

问题描述

现有方法只单独使用外观或运动信息,没有做融合

思想

融合外观和运动信息,捕捉他们的一致性

做法

视频异常检测——Appearance-Motion Memory Consistency Network for Video Anomaly Detection
网络输入是视频序列和光溜信息,然后用encoder进行压缩,获得向量。网络中有两个记忆池,分别记录外观和运动信息,分别利用压缩得到的两个向量对记忆池进行查询,得到topk相近的item,然后将这些拼接起来。用外观的信息重构运动,用运动的信息重构外观。把重构得到的,topk得到的,和压缩直接得到的信息融合在一起,用decoder解压缩,获得图像和光流。

训练损失:
生成器:
视频异常检测——Appearance-Motion Memory Consistency Network for Video Anomaly Detection
外观损失:
视频异常检测——Appearance-Motion Memory Consistency Network for Video Anomaly Detection
运动损失:
视频异常检测——Appearance-Motion Memory Consistency Network for Video Anomaly Detection
记忆池损失:
视频异常检测——Appearance-Motion Memory Consistency Network for Video Anomaly Detection
判别器:
原图为1,预测为0
视频异常检测——Appearance-Motion Memory Consistency Network for Video Anomaly Detection
预测阶段的异常分数与NMAD相似。一个是与记忆的相近程度,一个是与原图的差异程度。
视频异常检测——Appearance-Motion Memory Consistency Network for Video Anomaly Detection

算法

视频异常检测——Appearance-Motion Memory Consistency Network for Video Anomaly Detection

结果

视频异常检测——Appearance-Motion Memory Consistency Network for Video Anomaly Detection

存在的问题

思考

论文写法?

上一篇:Glide源码解析


下一篇:使用孤立森林进行异常检测