Articles de revues sur le sujet « VIDEO ANOMALY DETECTION »
Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres
Consultez les 50 meilleurs articles de revues pour votre recherche sur le sujet « VIDEO ANOMALY DETECTION ».
À côté de chaque source dans la liste de références il y a un bouton « Ajouter à la bibliographie ». Cliquez sur ce bouton, et nous générerons automatiquement la référence bibliographique pour la source choisie selon votre style de citation préféré : APA, MLA, Harvard, Vancouver, Chicago, etc.
Vous pouvez aussi télécharger le texte intégral de la publication scolaire au format pdf et consulter son résumé en ligne lorsque ces informations sont inclues dans les métadonnées.
Parcourez les articles de revues sur diverses disciplines et organisez correctement votre bibliographie.
Zhang, Yuxing, Jinchen Song, Yuehan Jiang et Hongjun Li. « Online Video Anomaly Detection ». Sensors 23, no 17 (26 août 2023) : 7442. http://dx.doi.org/10.3390/s23177442.
Texte intégralde Paula, Davi D., Denis H. P. Salvadeo et Darlan M. N. de Araujo. « CamNuvem : A Robbery Dataset for Video Anomaly Detection ». Sensors 22, no 24 (19 décembre 2022) : 10016. http://dx.doi.org/10.3390/s222410016.
Texte intégralDuong, Huu-Thanh, Viet-Tuan Le et Vinh Truong Hoang. « Deep Learning-Based Anomaly Detection in Video Surveillance : A Survey ». Sensors 23, no 11 (24 mai 2023) : 5024. http://dx.doi.org/10.3390/s23115024.
Texte intégralMonakhov, Vladimir, Vajira Thambawita, Pål Halvorsen et Michael A. Riegler. « GridHTM : Grid-Based Hierarchical Temporal Memory for Anomaly Detection in Videos ». Sensors 23, no 4 (13 février 2023) : 2087. http://dx.doi.org/10.3390/s23042087.
Texte intégralYuan, Hongchun, Zhenyu Cai, Hui Zhou, Yue Wang et Xiangzhi Chen. « TransAnomaly : Video Anomaly Detection Using Video Vision Transformer ». IEEE Access 9 (2021) : 123977–86. http://dx.doi.org/10.1109/access.2021.3109102.
Texte intégralSun, Che, Chenrui Shi, Yunde Jia et Yuwei Wu. « Learning Event-Relevant Factors for Video Anomaly Detection ». Proceedings of the AAAI Conference on Artificial Intelligence 37, no 2 (26 juin 2023) : 2384–92. http://dx.doi.org/10.1609/aaai.v37i2.25334.
Texte intégralLi, Nannan, Xinyu Wu, Huiwen Guo, Dan Xu, Yongsheng Ou et Yen-Lun Chen. « Anomaly Detection in Video Surveillance via Gaussian Process ». International Journal of Pattern Recognition and Artificial Intelligence 29, no 06 (12 août 2015) : 1555011. http://dx.doi.org/10.1142/s0218001415550113.
Texte intégralSun, Li, Zhiguo Wang, Yujin Zhang et Guijin Wang. « A Feature-Trajectory-Smoothed High-Speed Model for Video Anomaly Detection ». Sensors 23, no 3 (2 février 2023) : 1612. http://dx.doi.org/10.3390/s23031612.
Texte intégralBansod, Suprit, et Abhijeet Nandedkar. « Transfer learning for video anomaly detection ». Journal of Intelligent & ; Fuzzy Systems 36, no 3 (26 mars 2019) : 1967–75. http://dx.doi.org/10.3233/jifs-169908.
Texte intégralYang, Fan, Zhiwen Yu, Liming Chen, Jiaxi Gu, Qingyang Li et Bin Guo. « Human-Machine Cooperative Video Anomaly Detection ». Proceedings of the ACM on Human-Computer Interaction 4, CSCW3 (5 janvier 2021) : 1–18. http://dx.doi.org/10.1145/3434183.
Texte intégralTao Xiang et Shaogang Gong. « Video Behavior Profiling for Anomaly Detection ». IEEE Transactions on Pattern Analysis and Machine Intelligence 30, no 5 (mai 2008) : 893–908. http://dx.doi.org/10.1109/tpami.2007.70731.
Texte intégralVarghese, Emmanu, Jaison Mulerikkal et Amitha Mathew. « Video Anomaly Detection in Confined Areas ». Procedia Computer Science 115 (2017) : 448–59. http://dx.doi.org/10.1016/j.procs.2017.09.104.
Texte intégralIslam, Muhammad, Abdulsalam S. Dukyil, Saleh Alyahya et Shabana Habib. « An IoT Enable Anomaly Detection System for Smart City Surveillance ». Sensors 23, no 4 (20 février 2023) : 2358. http://dx.doi.org/10.3390/s23042358.
Texte intégralChen, Junzhou, Jiancheng Wang, Jiajun Pu et Ronghui Zhang. « A Three-Stage Anomaly Detection Framework for Traffic Videos ». Journal of Advanced Transportation 2022 (5 juillet 2022) : 1–11. http://dx.doi.org/10.1155/2022/9463559.
Texte intégralShin, Wonsup, Seok-Jun Bu et Sung-Bae Cho. « 3D-Convolutional Neural Network with Generative Adversarial Network and Autoencoder for Robust Anomaly Detection in Video Surveillance ». International Journal of Neural Systems 30, no 06 (28 mai 2020) : 2050034. http://dx.doi.org/10.1142/s0129065720500343.
Texte intégralQi, Xiaosha, Zesheng Hu et Genlin Ji. « Improved Video Anomaly Detection with Dual Generators and Channel Attention ». Applied Sciences 13, no 4 (10 février 2023) : 2284. http://dx.doi.org/10.3390/app13042284.
Texte intégralSong, Yide. « Weakly-Supervised and Unsupervised Video Anomaly Detection ». Highlights in Science, Engineering and Technology 12 (26 août 2022) : 160–70. http://dx.doi.org/10.54097/hset.v12i.1444.
Texte intégralXia, Xiangli, et Yang Gao. « Video Abnormal Event Detection Based on One-Class Neural Network ». Computational Intelligence and Neuroscience 2021 (28 septembre 2021) : 1–7. http://dx.doi.org/10.1155/2021/1955116.
Texte intégralChang, Yunpeng, Zhigang Tu, Wei Xie, Bin Luo, Shifu Zhang, Haigang Sui et Junsong Yuan. « Video anomaly detection with spatio-temporal dissociation ». Pattern Recognition 122 (février 2022) : 108213. http://dx.doi.org/10.1016/j.patcog.2021.108213.
Texte intégralLi, Zhaoyan, Yaoshun Li et Zhisheng Gao. « Spatiotemporal Representation Learning for Video Anomaly Detection ». IEEE Access 8 (2020) : 25531–42. http://dx.doi.org/10.1109/access.2020.2970497.
Texte intégralXuan Mo, Vishal Monga, Raja Bala et Zhigang Fan. « Adaptive Sparse Representations for Video Anomaly Detection ». IEEE Transactions on Circuits and Systems for Video Technology 24, no 4 (avril 2014) : 631–45. http://dx.doi.org/10.1109/tcsvt.2013.2280061.
Texte intégralLi, H., A. Achim et D. Bull. « Unsupervised video anomaly detection using feature clustering ». IET Signal Processing 6, no 5 (2012) : 521. http://dx.doi.org/10.1049/iet-spr.2011.0074.
Texte intégralZhang, Qianqian, Hongyang Wei, Jiaying Chen, Xusheng Du et Jiong Yu. « Video Anomaly Detection Based on Attention Mechanism ». Symmetry 15, no 2 (16 février 2023) : 528. http://dx.doi.org/10.3390/sym15020528.
Texte intégralVu, Hung, Tu Dinh Nguyen, Trung Le, Wei Luo et Dinh Phung. « Robust Anomaly Detection in Videos Using Multilevel Representations ». Proceedings of the AAAI Conference on Artificial Intelligence 33 (17 juillet 2019) : 5216–23. http://dx.doi.org/10.1609/aaai.v33i01.33015216.
Texte intégralHu, Jingtao, En Zhu, Siqi Wang, Xinwang Liu, Xifeng Guo et Jianping Yin. « An Efficient and Robust Unsupervised Anomaly Detection Method Using Ensemble Random Projection in Surveillance Videos ». Sensors 19, no 19 (24 septembre 2019) : 4145. http://dx.doi.org/10.3390/s19194145.
Texte intégralNaik, Anuja Jana, et Gopalakrishna Madigondanahalli Thimmaiah. « Detection and Localization of Anamoly in Videos Using Fruit Fly Optimization-Based Self Organized Maps ». International Journal of Safety and Security Engineering 11, no 6 (28 décembre 2021) : 703–11. http://dx.doi.org/10.18280/ijsse.110611.
Texte intégralBerroukham, Abdelhafid, Khalid Housni, Mohammed Lahraichi et Idir Boulfrifi. « Deep learning-based methods for anomaly detection in video surveillance : a review ». Bulletin of Electrical Engineering and Informatics 12, no 1 (1 février 2023) : 314–27. http://dx.doi.org/10.11591/eei.v12i1.3944.
Texte intégralKhan, Sardar Waqar, Qasim Hafeez, Muhammad Irfan Khalid, Roobaea Alroobaea, Saddam Hussain, Jawaid Iqbal, Jasem Almotiri et Syed Sajid Ullah. « Anomaly Detection in Traffic Surveillance Videos Using Deep Learning ». Sensors 22, no 17 (31 août 2022) : 6563. http://dx.doi.org/10.3390/s22176563.
Texte intégralMa, Zhen, José J. M. Machado et João Manuel R. S. Tavares. « Weakly Supervised Video Anomaly Detection Based on 3D Convolution and LSTM ». Sensors 21, no 22 (12 novembre 2021) : 7508. http://dx.doi.org/10.3390/s21227508.
Texte intégralBian, Yihan, et Xinchen Tang. « Abnormal Detection in Big Data Video with an Improved Autoencoder ». Computational Intelligence and Neuroscience 2021 (8 décembre 2021) : 1–6. http://dx.doi.org/10.1155/2021/9861533.
Texte intégralMontenegro, Juan, et Yeojin Chung. « Semi-supervised generative adversarial networks for anomaly detection ». SHS Web of Conferences 132 (2022) : 01016. http://dx.doi.org/10.1051/shsconf/202213201016.
Texte intégralXiao, Tan, Chao Zhang et Hongbin Zha. « Anomaly Detection via Midlevel Visual Attributes ». Mathematical Problems in Engineering 2015 (2015) : 1–15. http://dx.doi.org/10.1155/2015/343869.
Texte intégralSahu, Swapna Kumari, et Dr M. Jayanthi Rao. « A Spatial-Temporal based Next Frame Prediction and Unsupervised Classification of Video Anomalies in Real Time Estimation ». International Journal of Engineering and Advanced Technology 11, no 1 (30 octobre 2021) : 120–24. http://dx.doi.org/10.35940/ijeat.a3161.1011121.
Texte intégralKim, Jaehyun, Seongwook Yoon, Taehyeon Choi et Sanghoon Sull. « Unsupervised Video Anomaly Detection Based on Similarity with Predefined Text Descriptions ». Sensors 23, no 14 (9 juillet 2023) : 6256. http://dx.doi.org/10.3390/s23146256.
Texte intégralWang, Bokun, et Caiqian Yang. « Video Anomaly Detection Based on Convolutional Recurrent AutoEncoder ». Sensors 22, no 12 (20 juin 2022) : 4647. http://dx.doi.org/10.3390/s22124647.
Texte intégralLi, Shuo, Fang Liu et Licheng Jiao. « Self-Training Multi-Sequence Learning with Transformer for Weakly Supervised Video Anomaly Detection ». Proceedings of the AAAI Conference on Artificial Intelligence 36, no 2 (28 juin 2022) : 1395–403. http://dx.doi.org/10.1609/aaai.v36i2.20028.
Texte intégralHao, Yi, Jie Li, Nannan Wang, Xiaoyu Wang et Xinbo Gao. « Spatiotemporal consistency-enhanced network for video anomaly detection ». Pattern Recognition 121 (janvier 2022) : 108232. http://dx.doi.org/10.1016/j.patcog.2021.108232.
Texte intégralPereira, Silas Santiago L., et José E. B. Maia. « Anomaly Detection in Surveillance Video of Natural Environment ». International Journal of Computer Applications 183, no 1 (19 mai 2021) : 1–7. http://dx.doi.org/10.5120/ijca2021921288.
Texte intégralLi, Yuanyuan, Yiheng Cai, Jiaqi Liu, Shinan Lang et Xinfeng Zhang. « Spatio-Temporal Unity Networking for Video Anomaly Detection ». IEEE Access 7 (2019) : 172425–32. http://dx.doi.org/10.1109/access.2019.2954540.
Texte intégralZhou, Joey Tianyi, Jiawei Du, Hongyuan Zhu, Xi Peng, Yong Liu et Rick Siow Mong Goh. « AnomalyNet : An Anomaly Detection Network for Video Surveillance ». IEEE Transactions on Information Forensics and Security 14, no 10 (octobre 2019) : 2537–50. http://dx.doi.org/10.1109/tifs.2019.2900907.
Texte intégralBiswas, Sovan, et R. Venkatesh Babu. « Anomaly detection in compressed H.264/AVC video ». Multimedia Tools and Applications 74, no 24 (28 août 2014) : 11099–115. http://dx.doi.org/10.1007/s11042-014-2219-4.
Texte intégralFeng, Jiangfan, Dini Wang et Li Zhang. « Crowd Anomaly Detection via Spatial Constraints and Meaningful Perturbation ». ISPRS International Journal of Geo-Information 11, no 3 (18 mars 2022) : 205. http://dx.doi.org/10.3390/ijgi11030205.
Texte intégralLiu, Ting, Chengqing Zhang, Xiaodong Niu et Liming Wang. « Spatio-temporal prediction and reconstruction network for video anomaly detection ». PLOS ONE 17, no 5 (26 mai 2022) : e0265564. http://dx.doi.org/10.1371/journal.pone.0265564.
Texte intégralLiu, Ting, Chengqing Zhang et Liming Wang. « Integrated Multiscale Appearance Features and Motion Information Prediction Network for Anomaly Detection ». Computational Intelligence and Neuroscience 2021 (20 octobre 2021) : 1–13. http://dx.doi.org/10.1155/2021/6789956.
Texte intégralAnanthakrishnan, Balasundaram, V. Padmaja, Sruthi Nayagi et Vijay M. « Deep Neural Network based Anomaly Detection for Real Time Video Surveillance ». International Journal on Recent and Innovation Trends in Computing and Communication 10, no 4 (30 avril 2022) : 54–64. http://dx.doi.org/10.17762/ijritcc.v10i4.5534.
Texte intégralKavimandan, Pranoti Shrikant, Rajiv Kapoor et Kalpana Yadav. « Graph based anomaly detection in human action video sequence ». Journal of Electrical Engineering 73, no 5 (1 septembre 2022) : 318–24. http://dx.doi.org/10.2478/jee-2022-0042.
Texte intégralMahmood, Sawsen Abdulhadi, Azal Monshed Abid et Sadeq H. Lafta. « Anomaly event detection and localization of video clips using global and local outliers ». Indonesian Journal of Electrical Engineering and Computer Science 24, no 2 (1 novembre 2021) : 1063. http://dx.doi.org/10.11591/ijeecs.v24.i2.pp1063-1073.
Texte intégralKotkar, Vijay A. « Scalable Anomaly Detection Framework in Video Surveillance Using Keyframe Extraction and Machine Learning Algorithms ». Journal of Advanced Research in Dynamical and Control Systems 12, no 7 (20 juillet 2020) : 395–408. http://dx.doi.org/10.5373/jardcs/v12i7/20202020.
Texte intégralXu, Ming, Xiaosheng Yu, Dongyue Chen, Chengdong Wu et Yang Jiang. « An Efficient Anomaly Detection System for Crowded Scenes Using Variational Autoencoders ». Applied Sciences 9, no 16 (14 août 2019) : 3337. http://dx.doi.org/10.3390/app9163337.
Texte intégralLi, Chaoneng, Guanwen Feng, Yiran Jia, Yunan Li, Jian Ji et Qiguang Miao. « RETAD ». International Journal of Data Warehousing and Mining 19, no 2 (13 janvier 2023) : 1–14. http://dx.doi.org/10.4018/ijdwm.316460.
Texte intégral