Weakly-Supervised Spatiotemporal Anomaly Detection
Questo articolo propone un metodo di rilevamento delle anomalie spaziotemporali debolmente supervisionato che utilizza etichette a livello di video e una funzione di perdita di ranking a istanza multipla per identificare anomalie localizzate all'interno di clip video, dimostrandone l'efficacia sul Dataset UCF Crime2Local.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immagina di essere una guardia di sicurezza che osserva contemporaneamente centinaia di telecamere di sorveglianza. Il tuo compito è individuare qualcosa di strano che sta accadendo, come una rissa o un furto. Il problema è che non puoi fissare ogni schermo 24 ore su 24, 7 giorni su 7, e le cose strane accadono molto raramente. Hai bisogno di un computer per aiutarti, ma insegnare a un computer è complicato perché etichettare ogni singolo secondo di un video con "rissa qui" o "furto lì" richiede un tempo infinito.
Questo articolo propone un modo intelligente per insegnare a un computer a individuare questi eventi strani senza necessitare di un'etichettatura così dettagliata. Ecco come hanno fatto, spiegato in modo semplice:
L'analogia della "Scatola del Mistero" (Apprendimento Debolmente Supervisionato)
Di solito, per insegnare a un computer, gli si mostra un video e si dice: "Vedi questo specifico clip di 5 secondi? È una rissa". Ma in questo articolo, i ricercatori danno al computer solo l'intero video e dicono: "Questo video contiene una rissa da qualche parte" oppure "Questo video è totalmente normale".
Chiamano questo Apprendimento Debolmente Supervisionato. È come dare a uno studente un'intera scatola di mattoncini LEGO mescolati e dire: "Questa scatola contiene un mattoncino rosso", senza dirgli esattamente quale mattoncino sia rosso. Lo studente deve capire quale sia.
Il "Cubo Spazio-Temporale" (Scomporlo)
Per risolvere il mistero, i ricercatori non hanno guardato il video come un unico grande blocco. Hanno tagliato il video in piccoli blocchi tridimensionali. Immagina di tagliare una pagnotta di pane (tempo) e poi di tagliare ogni fetta in una griglia (spazio).
- Tempo: Hanno tagliato il video in brevi clip.
- Spazio: Hanno tagliato ogni clip in una griglia di piccoli quadrati.
Ora, invece di guardare l'intero video, il computer guarda questi piccoli "cubi" del video. Ogni cubo è un minuscolo pezzo di spazio e tempo.
La "Borsa dei Trucchi" (Apprendimento da Istanza Multipla)
I ricercatori hanno utilizzato una strategia chiamata Apprendimento da Istanza Multipla (MIL). Pensala così:
- La Borsa: Un'intera clip video è una "borsa".
- Le Istanze: I piccoli cubi all'interno del video sono gli "oggetti" nella borsa.
Ecco la regola che hanno insegnato al computer:
- Se una borsa è etichettata come "Normale", allora ogni singolo oggetto all'interno di quella borsa deve essere normale.
- Se una borsa è etichettata come "Anomalia" (Strana), allora almeno un oggetto all'interno di quella borsa deve essere strano.
Il compito del computer è guardare tutti gli oggetti nella borsa "Strana", trovare quello che sembra più sospetto e assegnargli un punteggio alto. Quindi cerca di assicurarsi che il punteggio più alto in una borsa "Strana" sia più alto del punteggio più alto in una borsa "Normale".
L'"Occhio del Detective" (Come Funziona)
Il computer utilizza un cervello pre-addestrato (chiamato I3D) che è già bravo a riconoscere i movimenti umani.
- Prende una clip video.
- La scompone in quei piccoli cubi 3D.
- Chiede al "cervello" di descrivere cosa vede in ogni cubo.
- Esegue un test per vedere se uno di quei cubi sembra sospetto.
Se il computer vede una rissa, non dice solo "Rissa!". Indica il quadratino specifico sullo schermo dove sta accadendo la rissa e dice: "La stranezza è proprio qui".
I Risultati: Quanto Era Brava?
I ricercatori hanno testato questo su un dataset chiamato UCF Crime2Local, che contiene video di crimini reali.
- La Competizione: Hanno confrontato il loro metodo con altri metodi. Un altro metodo era "supervisionato", il che significa che durante l'addestramento gli venivano fornite le coordinate esatte del crimine (come mostrare allo studente il mattoncino rosso). Quel metodo ha ottenuto un punteggio di circa 75%.
- Il Loro Risultato: Il loro metodo, che non conosceva la posizione esatta durante l'addestramento (proprio come uno studente che indovina il mattoncino rosso), ha ottenuto un punteggio di 68%.
Anche se non hanno battuto il metodo che aveva tutte le risposte, hanno fatto molto meglio rispetto ad altri metodi che cercavano anche loro di indovinare senza le risposte.
Cosa Succede Ora? (La Conclusione)
L'articolo conclude che guardare sia dove (spazio) sia quando (tempo) accade un evento è una buona idea. Tuttavia, ammettono che il loro computer a volte si eccita un po' troppo e segna più punti come "strani" quando c'è solo uno.
Per migliorare ulteriormente, suggeriscono due cose:
- Rendere più strette le regole: Far sì che il computer scelga un solo punto "più strano" per video, invece di indovinare ovunque.
- Osservare il movimento: Attualmente, il computer guarda principalmente come le cose sembrano. Suggeriscono di aggiungere un secondo "occhio" che osserva come le cose si muovono (come il flusso ottico), perché il movimento è spesso un indizio enorme nell'individuare crimini.
In breve, hanno costruito un sistema che può indovinare dove sta accadendo un crimine in un video semplicemente sapendo che il video contiene un crimine, senza bisogno che un umano disegni prima una scatola intorno ad esso.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.