Applied Cloud Deep Semantic Recognition: Advanced Anomaly Detection(应用云深层语义识别:高级异态检测)——Chapter 1...
Chapter 1
(by Guangnan Ye from IBM T.J. Watson Research Center in Yorktown Heights, New York)
Large-Scale Video Event Detection Using Deep Neural Networks
1.1 Motivation
随着视频拍摄设备的普及和不断增长的社交媒体视频分享,用户视频产量在网络上呈爆炸式增长。举个栗,YouTube有超过10亿的用户,平均每分钟会有时长达300小时的视频传到上面。另一个媒体(比如视频,图片,音频)分享网站,Facebook,据报道每个美国人在其上上传的视频量比上年增长了94%。
现在亟需打造一种智能的,稳健的,高效的查询与检索系统来组织和编录这些网络视频。现在的商用视频搜索引擎几乎都是使用文本关键字来匹配搜索,而不是通过视频里面的视觉信息。这样的引擎通常不尽如人意,因为文本信息是模糊的,信息量也不够,还有一个大家都知道的“语义鸿沟”,也让关键字匹配引擎在现实场景中行不通。感谢最近几年对计算机视觉和多媒体的研究进展,研究者们尝试着去对人,物,场景,行为,和复合事件等进行辨识,并用于此学到的语义学去对视频进行语义辨识与整理。本章我们着力于分析和检测视频中的事件。这里的自动辨识视频内复合事件的含义是“在某特定场景中,对其中的人与人及人与物之间的复合的互动行为作出判别”。比起物体,场景与行为识别,复合事件检测更具挑战性,因为它通常综合了物体,场景和人类行为的各种复杂交互。复合事件检测通常要求要对视频有充分的语义理解,从而在很多应用案例中充满潜力,譬如消费内容管理,商业广告推送,监控视频分析,等等。
一般来讲,自动辨识系统,如图1.1所示之例,包含三个基本组件:特征提取器,分类器,模型融合器。给定一组视频训练集,先进的系统会从中提取出不同类型的特征。这些特征可以是:人为设计的低等特征,比如那些不包含任何语义信息的诸如SIFT(尺度不变特征变换),MFCC(梅尔倒谱系数)等;或用来定义确切概念型分类的中等特征;以及训练出的概念型分类器所给出的对于可能性的评分作为概念型特征。在特征提取器之后,从多种不同模式中提取出来的特征被用于训练分类器。然后融合器上阵,统计从多种数据源得来的分值,生成检测结果。在本章,我们通过自显式事件型概念的一系列实例来研究事件检测(如图1.1编号2所示)。
从视频中分析检测复合事件,需要对视频内容有一个语义上的表示。概念型特征表现不仅可以在可描述的语义空间内描绘出一个复合事件,以对事件进行zero-shot检索,还可以帮助中等特征进行监督式事件建模。这里的“zero-shot检索”是指,需要检索的目标比较新颖,从而导致没有足够的训练样本为这个特别的目标训练一个机器学习型分类器。一个关键的研究难题是,如何为各种事件生成一个概念集。
转载于:https://www.cnblogs.com/oler/p/9651925.html
Applied Cloud Deep Semantic Recognition: Advanced Anomaly Detection(应用云深层语义识别:高级异态检测)——Chapter 1...相关推荐
- 【论文阅读】TranAD: Deep Transformer Networks for Anomaly Detection inMultivariate Time Series Data
TranAD架构 模型构建: = {
- 【Paper】Deep Learning for Anomaly Detection:A survey
论文原文:PDF 论文年份:2019 论文被引:253(2020/10/05) 922(2022/03/26) 文章目录 ABSTRACT 1 Introduction 2 What are anom ...
- (ch9) Deep Learning for Anomaly Detection: A Survey
Deep Learning for Anomaly Detection: A Survey https://www.researchgate.net/publication/330357393_Dee ...
- Graph Anomaly Detection with Deep Learning——节点检测
节点检测算法分类 ANOS ND on Plain Graphs 平面图上的节点异常检测 传统的异常检测方法 基于网络表示的异常检测方法 ANOS ND on Attributed Graphs 属性 ...
- Graph Anomaly Detection with Deep Learning——边检测
边异常检测 基于静态图的边属性异常检测 基于深度神经网络的异常检测 基于 GCN 的异常检测 基于网络表示的异常检测 基于动态图的异常边检测算法 传统的非深度异常检测 基于网络表示的异常检测 基于 G ...
- 【论文合集】Awesome Anomaly Detection
github:GitHub - bitzhangcy/Deep-Learning-Based-Anomaly-Detection Anomaly Detection: The process of d ...
- 异常检测(Anomaly Detection)综述
作者丨阿尔法杨XDU@知乎 来源丨https://zhuanlan.zhihu.com/p/266513299 编辑丨极市平台 导读 异常检测是一个发现"少数派"的过程,本文将目前 ...
- 【弱监督视频异常检测】2020-SPL-A Self-Reasoning Framework for Anomaly Detection Using Video-Level Labels
基于视频级别标签的异常检测自推理框架 论文地址 摘要 监控视频中的异常事件检测是图像和视频处理领域中一个具有挑战性和实用性的研究问题.与异常事件的帧级注释相比,获得视频级注释非常快速且便宜,尽管此类 ...
- Real-world Anomaly Detection in Surveillance Videos监控视频中的现实世界异常检测
监控视频中的现实世界异常检测,代码地址https://paperswithcode.com/paper/real-world-anomaly-detection-in-surveillance. 摘要 ...
最新文章
- 在单链表写入一组数据代码_链表常见操作和15道常见面试题
- libsvm在matlab中使用的常见错误及libsvm的使用
- LeetCode 397. 整数替换(Integer Replacement)
- 使用httpclient发送get请求
- bzoj5092: [Lydsy1711月赛]分割序列
- ip subnet-zero
- vim编辑器设置行号、缩进、tab键
- python制作自动交易软件-Python语言之一位程序员写了一个自动化交易程序,躺着玩,两年就挣了两百万!...
- 安装东西要计算机权限,安装需要管理员权限,详细教您怎么设置安装软件需要管理员权限...
- 【英语四六级-必背单词】高中英语单词 (D)-MP3试听与下载
- 王者荣耀交流协会final发布第五次scrum例会
- 配方奶粉,尽量不用鲜奶
- unl导入导出数据库
- 三万字总结╰(*°▽°*)╯ 计算机网络 知识点汇总
- 微波反应试验温度、时间、压力及功率控制
- c语言read有什么作用,c语言read函数读到什么结束
- 思科系统公司(Cisco Systems, Inc.)
- oracle11g课后题,oracle11g(钱慎一)课后习题答案.doc
- python生成静态html_python – 从XML内容生成静态HTML站点
- python中文分词---jieba
热门文章
- raspberry pi_使用Raspberry Pi为您的娱乐中心构建时钟
- 以开发之名|斗罗大陆:创造一个尽情探险的开放式游戏世界
- Kingdee常见网络问题-rubberdam.cn
- 用win10怎么练计算机一级,你真的懂Win10吗?升Win10后必做的9件事
- linux QQ无法显示图片和自定义头像
- 领域驱动设计——柔性设计
- C++数据结构和算法2 栈 双端/队列 冒泡选择插入归并快排 二三分查找 二叉树 二叉搜索树 贪婪 分治 动态规划
- 德国股神:有钱的人可以投机;没钱的人必须投机
- 页面转化成静态页面,或者伪静态页面 .
- Go语言的反射三定律