يُعد اكتشاف الشذوذ في الفيديو مشكلة تحديّة في رؤية الكمبيوتر. تتركز طرق اكتشاف الشذوذ في الفيديو الحديثة أساسًا على تصميم بنية الشبكات العصبية العميقة لتحسين الأداء. على عكس الاتجاه البحثي الرئيسي، تركز هذه الورقة على دمج التعلم الجماعي والشبكات العصبية العميقة، وتقترح طريقة تعتمد على الشبكات التنافسية التوليدية المجمعة (Generative Adversarial Networks، GAN). في الطريقة المقترحة، يتم تدريب مجموعة من المُولّدات ومجموعة من المُميّزين معًا، بحيث يمكن لكل مُولّد الحصول على ردود من عدة مُميّزين، والعكس صحيح. مقارنةً بشبكة GAN واحدة، يمكن لشبكة GAN المجمعة نمذجة توزيع البيانات الطبيعية بشكل أفضل، مما يؤدي إلى اكتشاف الشذوذ بشكل أدق. تم اختبار أداء الطريقة المقترحة على مجموعتي بيانات علنيتين. تُظهر النتائج أن التعلم الجماعي يعزز بشكل ملحوظ أداء نموذج الكشف الفردي، متجاوزًا الطرق الحديثة بنسبة 0.4% و0.3% على التوالي لمستوى AUC على الإطارات في المجموعتين.

مراقبة الفيديو; أحداث شاذة; التعلم العميق; التعلم الجماعي; الشبكات التنافسية التوليدية