映像における異常検知は、挑戦的なコンピュータビジョンの問題です。既存の最先端の映像異常検知手法は、主に性能向上を目的とした深層ニューラルネットワークの構造設計に集中しています。主な研究の流れとは異なり、本論文ではアンサンブル学習と深層ニューラルネットワークを組み合わせ、アンサンブル生成対向ネットワーク（Generative Adversarial Networks、GAN）に基づく手法を提案します。提案手法では、一群のジェネレーターと一群のディスクリミネーターを共に訓練し、各ジェネレーターが複数のディスクリミネーターからフィードバックを受け取れるようにします。単一GANと比較して、アンサンブルGANは正常データの分布をよりよくモデル化し、異常検知性能を向上させます。提案手法の性能は2つの公開データセットで評価されました。結果は、アンサンブル学習が単一検出モデルの性能を大幅に向上させ、両データセットにおいてそれぞれ最新の手法を0.4%および0.3%のフレームレベルAUCで上回ったことを示しています。

ビデオ監視;異常イベント;深層学習;アンサンブル学習;生成対向ネットワーク