UBnormal: New Benchmark for Supervised Open-Set Video Anomaly Detection

要約

タイトル：UBnormal：教師ありオープンセット動画異常検出のための新しいベンチマーク

要約：

– 動画中の異常を検出することは、一般的にワンクラス分類のタスクとしてフレーム化され、トレーニング動画には正常なイベントのみが含まれ、テスト動画には正常なイベントと異常なイベントの両方が含まれます。このシナリオでは、異常検出はオープンセット問題となります。
– しかしながら、一部の研究では、異常検出を行動認識に同化しています。これは新しい異常のタイプを検出するシステムの能力をテストすることに失敗する閉じたセットのシナリオです。
– このために、複数の仮想シーンで構成される教師ありオープンセットベンチマークであるUBnormalを提案します。既存のデータセットとは異なり、初めてトレーニング時にピクセルレベルで注釈付けされた異常イベントを導入することで、異常イベント検出の完全に教師付き学習法の使用を可能にします。
– 典型的なオープンセットの定式化を維持するために、トレーニングとテストのコレクションに互いに素な異常タイプのセットを含めるようにしています。
– UBnormalは、ワンクラスオープンセットモデルと教師ありクローズドセットモデルの公平なヘッドツーヘッド比較を許す、初めての動画異常検出ベンチマークとして、実験で示されています。
– さらに、UBnormalが2つの有名なデータセット、AvenueとShanghaiTechの最先端の異常検出フレームワークのパフォーマンスを向上させることを示す実証的な証拠を示しています。
– ソースコードは、https://github.com/lilygeorgescu/UBnormalで無料で提供されています。

要約(オリジナル)

Detecting abnormal events in video is commonly framed as a one-class classification task, where training videos contain only normal events, while test videos encompass both normal and abnormal events. In this scenario, anomaly detection is an open-set problem. However, some studies assimilate anomaly detection to action recognition. This is a closed-set scenario that fails to test the capability of systems at detecting new anomaly types. To this end, we propose UBnormal, a new supervised open-set benchmark composed of multiple virtual scenes for video anomaly detection. Unlike existing data sets, we introduce abnormal events annotated at the pixel level at training time, for the first time enabling the use of fully-supervised learning methods for abnormal event detection. To preserve the typical open-set formulation, we make sure to include disjoint sets of anomaly types in our training and test collections of videos. To our knowledge, UBnormal is the first video anomaly detection benchmark to allow a fair head-to-head comparison between one-class open-set models and supervised closed-set models, as shown in our experiments. Moreover, we provide empirical evidence showing that UBnormal can enhance the performance of a state-of-the-art anomaly detection framework on two prominent data sets, Avenue and ShanghaiTech. Our benchmark is freely available at https://github.com/lilygeorgescu/UBnormal.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI