Модель безнадзорного обнаружения аномалий в видео на основе архитектуры U-net показывает хорошие результаты обнаружения, однако из-за использования обычных свёрток с их локальными характеристиками кодировщик в стиле U-Net не может эффективно извлекать глобальную контекстную информацию, а простые пропуски соединений не обеспечивают эффективное получение признаков. Используемая функция потерь L₂ учитывает только пиксельные различия и не может захватывать структурные особенности изображения. В связи с этим предложен алгоритм обнаружения аномалий в видео, сочетающий гибридные свёртки и многомасштабное внимание, а также добавлена функция потерь структурного сходства (SSIM) для оптимизации модели. Конкретно, в последний слой кодировщика добавлен модуль гибридной свёртки, объединяющий пространственные и позиционные признаки для извлечения глобальной контекстной информации. В соединениях между кодировщиком и декодировщиком добавлен модуль многомасштабного внимания, что позволяет модели извлекать более ценные признаки и реализовывать эффективные пропуски соединений. Используется функция потерь структурного сходства с параметрическими ограничениями вместе с функцией потерь L₂, что обеспечивает более точную оптимизацию модели. Экспериментальные результаты показывают, что предложенный алгоритм достигает значений AUC 96,7% и 86,1% на публичных наборах данных UCSD-Ped2 и CUHK Avenue соответственно, что на 1,6% и 1,4% выше по сравнению с доработанной моделью, подтверждая эффективность предложенной модели.

контекстная информация;пропускные соединения;гибридные свёртки;многомасштабное внимание;структурное сходство