外观-运动原型网络

视频异常检测更准

利用外部记忆记录原型特征并通过时空融合增强,在保持正常事件表示能力的同时限制对异常的泛化,在多个基准上达到领先水平。

刘洋 · 刘静 · Kun, Yang · Bobo, Ju · Liu, Siao · Yuzheng, Wang · Dingkang, Yang · Peng, Sun · 宋梁

IEEE Transactions on Industrial Informatics 2023

技术优势

误报更少

通过外观-运动原型网络有效表示正常事件,减少将正常误报为异常。

适应复杂工业场景

在自采工业数据集上的案例研究表明性能优于现有方法。

应用场景