يتمتع نموذج كشف شذوذ الفيديو غير المشرف المستند إلى نمط U-net بأداء كشف جيد، ولكن بسبب استخدام العمليات التلافيفية العادية لخاصية محلية فطرية، فإن مشفر نمط U-Net لا يستطيع استخراج معلومات السياق العالمي بفعالية، واستخدام وصلات القفز البسيطة لا يمكن من الحصول على معلومات ميزات فعالة. وظيفة الخسارة L₂ المستخدمة تأخذ في الاعتبار فقط اختلافات مستوى البكسل ولا يمكنها التقاط خصائص بنية الصورة. لذلك، تم اقتراح خوارزمية كشف شذوذ الفيديو التي تجمع بين الالتفاف المختلط والانتباه متعدد المقاييس، وتمت إضافة دالة خسارة التشابه الهيكلي (SSIM) لتحسين النموذج. على وجه التحديد، تم إضافة وحدة الالتفاف المختلط في الطبقة الأخيرة من المشفر، حيث يتم دمج ميزات الفضاء والموقع لاستخراج معلومات السياق العالمي. تم إضافة وحدة الانتباه متعدد المقاييس في وصلات القفز بين المشفر والمفكك ليتمكن النموذج من استخراج ميزات أكثر قيمة وتحقيق وصلات قفز فعالة. يتم استخدام دالة خسارة التشابه الهيكلي مع قيود المعلمات جنباً إلى جنب مع دالة خسارة L₂ لتحقيق تحسين أكثر دقة للنموذج. أظهرت النتائج التجريبية أن الخوارزمية المقترحة حققت مؤشرات AUC بنسبة 96.7% و86.1% على مجموعتي البيانات العامة UCSD-Ped2 وCUHK Avenue على التوالي، بزيادة 1.6% و1.4% مقارنة بالنموذج المحسن، مما يثبت فعالية النموذج المقترح.

معلومات السياق;وصلات القفز;الالتفاف المختلط;الانتباه متعدد المقاييس;التشابه الهيكلي