الشبكات العصبية التوليدية للكشف عن الشذوذ في المشاهد المزدحمة

تُعد الرقابة الأمنية حاسمة لضمان الاستقرار الاجتماعي والحياة الهادئة للناس، كما تؤثر بشكل كبير على تعزيز الاستقرار الاجتماعي وحماية الحياة. لا يزال كشف الظواهر غير الطبيعية في الوقت المناسب وبشكل فعّال وكفؤ أمرًا صعبًا في مجال المراقبة عبر الفيديو. تُقدّم هذه الورقة منهجًا جديدًا يُسمّى S²-VAE للكشف عن الظواهر غير الطبيعية من بيانات الفيديو. يتكون S²-VAE من شبكتين عصبيتين اقتُرِحتا: شبكة مُعدّة للترميز التلقائي التوليدية ذات الاتصال الكامل المتعدّد الطبقات (S F -VAE)، وشبكة مُعدّة للترميز التلقائي التوليدية ذات التوصيلات المُتعدّدة (S C -VAE). تُعد S F -VAE شبكة توليدية سطحية تهدف إلى الحصول على نموذج يشبه مزيج الغاوسي لتكييف توزيع البيانات الفعلية. أما S C -VAE، فهي المكون الرئيسي في S²-VAE، وتمثّل شبكة توليدية عميقة تستفيد من مزايا الشبكات العصبية التلافيفية (CNN)، والترميز التلقائي التوليدية (VAE)، والاتصالات المُتعدّدة (skip connections). وتشتغل كل من S F -VAE وS C -VAE كشبكات توليدية فعّالة وكفؤة، ويمكنها تحقيق أداءً أفضل في الكشف عن الأحداث غير الطبيعية المحلية والعالمية على حد سواء. وقد تم تقييم S²-VAE باستخدام أربع مجموعات بيانات عامة. وأظهرت النتائج التجريبية أن S²-VAE تتفوّق على الخوارزميات الرائدة في مجالها. ويجدر بالذكر أن الشفرة المصدرية متاحة للجميع عبر الرابط التالي: https://github.com/tianwangbuaa/.