摘要
一种融合小波变换与深度可分离卷积的视频异常行为检测方法、系统、设备及介质,该方法通过引入3D深度可分离卷积、3D注意力模块以及自主构建的3D小波卷积对现有的自编码器结构进行改进,得到了兼具轻量化和高检测精度的3D小波深度可分离注意力自编码器;再将生成的伪异常图像和调整好尺寸的正常行为图像以连续帧的形式共同输入至3D小波深度可分离注意力自编码器进行训练和评估,解决了异常检测中真实异常样本稀缺导致3D小波深度可分离注意力自编码器过拟合的问题,使得3D小波深度可分离注意力自编码器能够更好地区分正常行为图像和异常行为图像;本发明具有对模型参数量要求小,检测准确性高的优点;所述系统、设备及介质用于实现上述方法。
技术关键词
融合小波
注意力
视频
解码器
精度
尺寸
更新网络参数
编码器结构
模型训练模块
图像处理模块
可读存储介质
存储计算机程序
输出特征
异常数据
高频段
系统为您推荐了相关专利信息
深度学习网络模型
分布式组件
硬盘使用率
数据
监控方法
强对流天气识别
卷积神经网络模型
高分辨率数值
多源观测数据
闪电定位数据
智慧厨房
报警系统
注意力机制
检测网络模型
实时视频流
构建小麦
注意力机制
数据
卷积模块
神经网络训练