典型文献
基于集成生成对抗网络的视频异常事件检测方法
文献摘要：
视频中的异常检测是一个具有挑战性的计算机视觉问题.现有的最先进视频异常检测方法主要集中在深度神经网络的结构设计上,以获得性能改进.与主要研究趋势不同,本文侧重于将集成学习和深度神经网络相结合,提出了一种基于集成生成对抗网络(Generative Adversarial Networks,GAN)的方法.在所提出的方法中,一组生成器和一组判别器一起训练,因此每个生成器可以从多个判别器获得反馈,反之亦然.与单个GAN相比,集成GAN可以更好地对正常数据的分布进行建模,从而更好地检测异常.在两个公开数据集上测试了所提出的方法性能.结果表明,集成学习显著提高了单个检测模型的性能,在两个数据集上比现有最近方法分别超过0.4％和0.3％的帧级AUC.
文献关键词：
视频监控;异常事件;深度学习;集成学习;生成对抗网络
中图分类号：
作者姓名：
顾嘉城;龙英文;吉明明
作者机构：
上海工程技术大学电子电气工程学院上海201620
文献出处：
引用格式：
[1]顾嘉城;龙英文;吉明明-.基于集成生成对抗网络的视频异常事件检测方法)[J].液晶与显示,2022(12):1607-1613
A类：
视频异常事件检测
B类：
生成对抗网络,计算机视觉,最先,视频异常检测,异常检测方法,深度神经网络,获得性,性能改进,研究趋势,集成学习,Generative,Adversarial,Networks,GAN,生成器,判别器,反之亦然,公开数据集,个检,检测模型,视频监控
AB值：
0.278885
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
