【文件属性】：
文件名称：监视-异常检测-美联储学习
文件大小：102KB
文件格式：ZIP
更新时间：2021-02-11 17:58:23
Python
通过半监督联合主动学习在监视中进行实词异常检测
该项目展示了用于监控视频中异常检测的半监督深度学习模型的部署和研究，该视频部署在同步联合学习体系结构上，并在许多节点上进行了培训。
联合学习是一种用于从多个数据集中进行分布式学习的机器学习范例，可避免收集超出位置的数据共享。 联合学习在多个训练节点之间建立了一个协作架构，该节点对它们的本地数据执行本地拟合并将本地模型聚合为一个全局模型，该全局模型收集各个节点涵盖的所有知识。 由于从未共享本地数据，因此这有助于保持隐私，并且数据固有的法律约束。
换而言之，这项研究伴随着主动学习框架的部署，该框架用于从连续视频记录流中连续学习模型。
为了进行这些调查，除了训练和评估方法外，以[1,2,3]提出的无监督时空学习者模型为基础提出了基础模型。
在格拉纳达大学信息技术和电信研究中心（CITIC-UGR）的支持下，该项目正在作为硕士论文的一部分进行
【文件预览】：
Surveillance-AnomDetection-FedLearning-master
----.gitignore(39B)
----README.md(3KB)
----scripts()
--------train_ISTL_UCSDPed1&2_val.py(31KB)
--------models()
--------train_ISTL_noFed_noAct_UCSDPed_cons_val.py(10KB)
--------train_ISTL_noAct_UCSDPed1&2_val.py(13KB)
--------fedLearn()
--------rec_ISTL.py(4KB)
--------learningRateImprover.py(5KB)
--------utils.py(7KB)
--------evaluate_ISTL_detailed.py(12KB)
--------train_ISTL_noFed_noAct_UCSDPed_val.py(10KB)
--------train_ISTL_noAct_UCSDPed_val.py(11KB)
--------evaluate_ISTL.py(6KB)
--------visualize_results.py(3KB)
--------test_ISTL2.py(6KB)
--------train_ISTL_Fed_Act_UCSDPed_val.py(28KB)
----labels()
--------UCSDPed2_frames_labels.txt(4KB)
--------UCSDPed2_labels_8T_cuboids.txt(4KB)
--------UCSDPed1_frames_labels.txt(14KB)
--------UCSDPed1_labels_8T_cuboids.txt(14KB)
----experiment description()
--------fedAvg_active()
--------base_experiments()
--------fedAvg_offline()