| 講演名 | 2021-12-16 長期的分類と短期的分類を統合した現実世界での異常検出 渡邉 祐大(静岡大), 岡部 誠(静岡大), 原田 泰典(中部電力), 鹿島 直二(中部電力), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 我々は動画から得られる全セグメントを入力とし，その動画が正常か異常かを判定するモデルを提案する．Self-attention機構を導入することで，入力された全セグメントを解析し，正常/異常の判定に重要な特徴を抽出させる．提案手法はセグメント単位でなく動画単位の学習を行うためMILが不要となる．推論時には，対象の動画を複数の短い動画に分割し，分割された各動画に対して提案手法を適用することで短時間あたりの正常/異常を検出する．2つのベンチマーク・データセットを用いて，フレームレベルの検出精度を評価したところ，提案手法は最先端の手法と同等の精度が達成できることが分かった．また，提案手法は他手法とのアンサンブルを行うことで更なる精度向上が実現できる．長期的な検出器と短期的な検出器の結果の平均をとることで，最先端の手法を上回る検出精度が達成できることを示す． |
| 抄録(英) | We propose a model to determine whether a video is normal or abnormal by using all the segments obtained from the video as input, and introducing a self-attention mechanism to analyze all the input segments and extract features that are important for determining normal/abnormal. The proposed method does not require MIL because it learns per video instead of per segment. During inference, the target video is divided into multiple short videos, and the proposed method is applied to each divided video to detect normal/abnormal per short time. We evaluated the frame-level detection accuracy of the proposed method on two benchmark datasets, and found that the proposed method can achieve the comparable accuracy as the state-of-the-art methods. In addition, the accuracy can be further improved by ensembling with other methods. We show that by averaging the results of the long-term and short-term detectors, we can achieve better detection accuracy than state-of-the-art methods. |
| キーワード(和) | 動画からの異常検出 / 監視カメラ / 弱教師あり学習 / アンサンブル |
| キーワード(英) | Video anomaly detection / surveillance camera / weakly supervised learning / ensemble |
| 資料番号 | PRMU2021-27 |
| 発行日 | 2021-12-09 (PRMU) |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2021/12/16(から2日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 時系列・因果推論・異常検知 |
| テーマ（英） | |
| 委員長氏名（和） | 内田 誠一(九大) |
| 委員長氏名（英） | Seiichi Uchida(Kyushu Univ.) |
| 副委員長氏名（和） | 岩村 雅一(阪府大) / 安倍 満(デンソーアイティーラボラトリ) |
| 副委員長氏名（英） | Masakazu Iwamura(Osaka Pref. Univ.) / Mitsuru Anpai(Denso IT Lab.) |
| 幹事氏名（和） | 柴田 剛志(NTT) / 西山 正志(鳥取大) |
| 幹事氏名（英） | Takashi Shibata(NTT) / Masashi Nishiyama(Tottori Univ.) |
| 幹事補佐氏名（和） | 山口 光太(サイバーエージェント) / 松井 勇佑(東大) |
| 幹事補佐氏名（英） | Kouta Yamaguchi(CyberAgent) / Yusuke Matsui(Univ. of Tokyo) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 長期的分類と短期的分類を統合した現実世界での異常検出 |
| サブタイトル（和） | |
| タイトル（英） | Real-world Anomaly Detection by Integrating Long-Term and Short-Term Classifications |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 動画からの異常検出 / Video anomaly detection |
| キーワード(2)（和/英） | 監視カメラ / surveillance camera |
| キーワード(3)（和/英） | 弱教師あり学習 / weakly supervised learning |
| キーワード(4)（和/英） | アンサンブル / ensemble |
| 第 1 著者 氏名（和/英） | 渡邉 祐大 / Yudai Watanabe |
| 第 1 著者 所属（和/英） | 静岡大学(略称：静岡大) Shizuoka University(略称：Shizuoka Univ.) |
| 第 2 著者 氏名（和/英） | 岡部 誠 / Makoto Okabe |
| 第 2 著者 所属（和/英） | 静岡大学(略称：静岡大) Shizuoka University(略称：Shizuoka Univ.) |
| 第 3 著者 氏名（和/英） | 原田 泰典 / Yasunori Harada |
| 第 3 著者 所属（和/英） | 中部電力株式会社(略称：中部電力) Chubu Electric Power Co., Inc.(略称：Chubu Electric Power Co., Inc.) |
| 第 4 著者 氏名（和/英） | 鹿島 直二 / Yasuhiko Naoji |
| 第 4 著者 所属（和/英） | 中部電力株式会社(略称：中部電力) Chubu Electric Power Co., Inc.(略称：Chubu Electric Power Co., Inc.) |
| 発表年月日 | 2021-12-16 |
| 資料番号 | PRMU2021-27 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | PRMU-304 |
| ページ範囲 | pp.19-24(PRMU), |
| ページ数 | 6 |
| 発行日 | 2021-12-09 (PRMU) |