#563
summarized by : 岡本大和
Self-Trained Deep Ordinal Regression for End-to-End Video Anomaly Detection
Guansong Pang, Cheng Yan, Chunhua Shen, Anton van den Hengel, Xiao Bai

どんな論文か？

AnomalyDetectionの研究。擬似ラベル生成と擬似ラベル予測を繰り返しながら学習する。ただし、TrainDataにAnomalyLabelが含まれていることを暗に前提としている。
placeholder

新規性

最大の特徴は（supervisedやself-supervisedなどの）タスクを必要とせず学習可能な点。それゆえにEnd-to-Endで学習可能。Anomaly DetectionでEnd-to-Endという点は新しい。

結果

歩行者データセットUMNにおいてはAnomalyDetectionで従来手法を上回る性能を達成。ただし、UCSDやSubwayではSoTA達成には至っていない。

その他（なぜ通ったか？等）

タスク不要、End-To-Endはハンドリングしやすい手法なので高評価である。さらに、実運用中にAnomalyDataに遭遇した場合、学習データにAnomalyScore=1として追加すればオンライン学習できる点も評価されたと伺える。

このページで利用されている画像は論文から引用しています．