PHÁT HIỆN BẤT THƯỜNG TRONG VIDEO ÁP DỤNG BỘ MÃ HÓA TỰ ĐỘNG ĐƯỢC TĂNG CƯỜNG BỘ NHỚ BẰNG LỰA CHỌN KHUNG HÌNH CHÍNH

Tóm tắt

Trong bài báo này, chúng tôi đề xuất một phương pháp mới để huấn luyện một bộ mã hóa tự động được tăng cường bộ nhớ theo chế độ được giám sát bằng cách sinh các video bất thường giả dựa trên các kỹ thuật lựa chọn khung hình chính. Hầu hết các phương pháp phát hiện bất thường trong video sử dụng mô hình học máy để học các mẫu của các video bình thường. Bất kỳ video nào có các mẫu lệch đáng kể so với các mẫu đã học được coi là bất thường. Tuy nhiên, việc phát triển một mô hình học máy hiệu quả cho phát hiện bất thường trong video là một nhiệm vụ thách thức do sự thiếu hụt các bất thường. Cụ thể, các mẫu bất thường thường hiếm hơn nhiều và khó thu thập hơn so với các mẫu bình thường. Để giải quyết vấn đề này, trong bài báo này, chúng tôi đề xuất một phương pháp mới sử dụng kỹ thuật lựa chọn khung hình chính để tạo ra các giả bất thường. Các giả bất thường được tạo ra sau đó được kết hợp với dữ liệu bình thường để tạo ra tập dữ liệu được tăng cường. Sau đó, bộ mã hóa tự động được tăng cường bộ nhớ được huấn luyện trên các tập dữ liệu được tăng cường. Kết quả thử nghiệm cho thấy rằng các điểm số AUC của giải pháp đề xuất cao hơn các điểm số AUC của kiến trúc mạng cơ sở từ 0.20% đến 1.31% trên cả ba tập cơ sở dữ liệu được biết đến rộng rãi cho phát hiện bất thường trong video.