Kiwi's Blog

与这世界的美好，终将相遇

MIST: Multiple Instance Self-Training Framework for Video Anomaly Detection

面向视频异常检测的多示例自训练框架

MIST: Multiple Instance Self-Training Framework for Video Anomaly Detection Published in IEEE International Conference on Computer Vision and Pattern Recognition (CVPR), 2021 Recommended citation...

Posted by kiwi on April 28, 2021

2020-06-20: 更大规模的数据集是否会进一步地提高时空3DCNN的性能呢？

2020-06-20： Would Mega-scale Datasets Further Enhance Spatiotemporal 3D CNNs?

1. Would Mega-scale Datasets Further Enhance Spatiotemporal 3D CNNs? 更大规模的数据集是否会进一步地提高时空3DCNN的性能呢？ 结论是可以的。但是边际收益在下降。 大的数据集预训练能够提升性能。（Kinetics-700 > Kinetics -400) 大的数据集能训更...

Posted by kiwi on June 20, 2020

CVPR 2020: 时序金字塔网络以动作识别

CVPR 2020： Temporal Pyramid Network for Action Recognitio

Temporal Pyramid Network for Action Recognition SlowFast 通过两个模型来处理运动节奏快慢，但是两个模型又大又重，能不能一个模型完成呢。这里提出了一个时序金字塔的方法来实现。整体基于TSN来改造，不过应该可以拓展到其他模型。 那么对于金字塔的每一层，都由一个所谓的辅助头“auxiliary head，用来分别预测一个分数，辅助模型...

Posted by kiwi on June 20, 2020

CVPR 2020: 记忆增强的全局局部聚合的视频物体检测

CVPR 2020： Memory Enhanced Global-Local Aggregation for Video Object Detection

Memory Enhanced Global-Local Aggregation for Video Object Detection 这里认为的是对于video object detection 来说，有全局语义信息和局部定位信息。 这里用了memory enhanced 来做这点。Long Range Memory （LRM）Module. Global: 当我们无法识别当前的物...

Posted by kiwi on June 20, 2020

弱监督视频异常检测

Weakly Supervised VAD

Weakly Supervised VAD | 弱监督视频异常检测 一直以来，异常检测都是focus on 无监督（也有说是半监督），所需要挑战的数据集多是监控视频下的行人道上的数据集，所要挑战的异常都是未见物体/异常运动(快速运动为主)。这些数据集和真实情景期望解决的危险有所差别，于是[1]提出了UCF-Crime数据集，并且引入了弱监督的多示例学习的方法进入异常检测。 1. CVPR...

Posted by kiwi on October 2, 2019

CVPR 2019 | 基于骨骼点轨迹的规律学习的异常检测

CVPR 2019| Learning Regularity in Skeleton Trajectories for Anomaly Detection in Videos Anomaly Detection

paper code 1. Overview 视频异常检测很多依赖于像素级的表观和动作特征，这也会使模型对于噪音敏感，且与背景有较大的相关，而背景的冗余信息会增加模型的负担。另外异常检测追求可解释性，检测异常也想知道异常的触发的原因。 在姿态检测已经较为成熟的现在，结合姿态估计，抽取skeleton，对skeleton进行规律学习，那么异常检测部分就能大大降低负担（当然姿态检测端就比较...

Posted by kiwi on August 16, 2019

ICCV 2019 | 记住正常来发现异常：记忆增强的自编码器以无监督异常检测

ICCV 2019| Memorizing Normality to Detect Anomaly: Memory-augmented DeepAutoencoder for Unsupervised Anomaly Detection

ICCV 2019 | 记住正常来发现异常：记忆增强的自编码器以无监督异常检测 paper project page code 1. Overview 1.1 Motivation 自编码器在异常检测中广泛的使用（对此的总结回顾可参考异常检测概述（二）：Reconstruction Model)，在半监督/无监督的设定下，AE是期望异常的重构损失是较大的，而正常则不然，那么就可以区分...

Posted by kiwi on July 25, 2019

ICCV 2017 : 通过学习深度属性知识以异常检测与解释

ICCV 2017: Joint Detection and Recounting of Abnormal Events by Learning Deep Generic Knowledge

ICCV 2017 : 通过学习深度属性知识以异常检测与解释 1. Overview 现有的异常检测方法都是在做检测，但是异常的判定原因也是应当关注的点，这有助于人去理解与决策。本文把Multimedia Event Recounting（MER）与异常检测联系起来，通过物体检测与属性知识结合一起，能够同时做到对异常事件的检测和解释。 异常是罕见事件，且与正常事件相异，而异常事...

Posted by kiwi on July 24, 2019

CVPR 2019: 物体为中心的自编码器与伪异常的视频异常检测

CVPR 2019: Object-Centric Auto-Encoders and Dummy Anomalies for Abnormal Event Detection

CVPR 2019: 物体为中心的自编码器与伪异常的视频异常检测 paper 1. Overview 一直以来，深度学习的视频异常检测大多局限于做帧级别的模型。但是如果仔细想想，在当前所有的数据集下，异常都是前景产生的，而前景是稀疏可分的，那么基于前景对象进行异常检测应当能起到一定的作用。 文中作者认为，可以利用分类的方法用于异常检测，构造一种类似监督的方法应该能够提高模型的表现能...

Posted by kiwi on July 22, 2019

Hello 2019

"Hello World, Hello Blog"

“Yeah It’s on. ” Do you enjoy it ?

Posted by kiwi on May 5, 2019

FEATURED TAGS
study VAD 脸部识别 Video unsupervised Action Recognition DL Object Detection 生活 AE CVPR2021 Meta Neural Networks Project Page Skeleton Transfer Learning Weakly Supervised clothing recognition recounting semi-supervised weakly-supervised
ABOUT ME

For the next quantum leap
与世界的美好，终将相遇

FRIENDS