MGFN: شبكة مغزولة-مُقارنة بالكثافة للرؤية والتركيز للكشف عن الشذوذ في الفيديو بوساطة تدريب ضعيف

كشف التغيرات غير الطبيعية في مقاطع الفيديو المراقبة باستخدام تعليم ضعيف يُعد مهمة صعبة. وبخلاف الدراسات الحالية التي تفتقر إلى القدرة على تحديد مواقع التغيرات غير الطبيعية في مقاطع الفيديو الطويلة، نقترح شبكة جديدة تُسمى "شبكة النظرة والتركيز" (Glance and Focus Network) لدمج فعّال للمعلومات المكانية-الزمنية، مما يُمكّن من كشف التغيرات غير الطبيعية بدقة عالية. بالإضافة إلى ذلك، لاحظنا تجريبيًا أن النهجات الحالية التي تستخدم قيم المقدار (feature magnitudes) لتمثيل درجة التغير غير الطبيعي غالبًا ما تتجاهل تأثيرات التغيرات في المشهد، مما يؤدي إلى أداء غير مثالي بسبب التباين في قيم المقدار عبر المشاهد المختلفة. لمعالجة هذه المشكلة، نقترح آلية تضخيم الميزات (Feature Amplification Mechanism) ووظيفة خسارة تباينية للمقدار (Magnitude Contrastive Loss) لتعزيز تمييز مقدار الميزات في كشف التغيرات غير الطبيعية. وأظهرت النتائج التجريبية على معياريّين كبيريّ المقياس، وهما UCF-Crime وXD-Violence، أن طريقة عملنا تتفوّق على أحدث النهج المُتاحة في المجال.