Multi-task learning for video anomaly detection
Abstract
我们提出了一种基于新颖管道的视频异常检测多任务学习框架。我们的模型包含两个交叉流，其中一个流使用Attention-R2U-net的主干进行未来帧预测，而另一个流则基于编码器-解码器网络来重建输入的光流图。此外，这两个流的潜层被合并在一起，并在每个位置单独分配基于深度SVDD的损失。通过这三项任务的结合，这个双流交叉管道可以端到端训练，以提供对异常目标的全面评估。在多个流行基准数据集上的实验结果表明，我们的模型在性能上超过了最先进的竞争模型，可应用于不同类型的异常目标，并同时实现了显著的精度
Method
