UCSD Anomaly Detection Dataset

github2020-02-16 更新2024-05-31 收录

下载链接：

https://github.com/Victor-Light/ucsd_dataset

下载链接

链接失效反馈

官方服务：

资源简介：

该数据集包含两个子集Peds1和Peds2，分别用于训练和测试。Peds1包含34个训练视频和36个测试视频，Peds2包含16个训练视频和12个测试视频。所有测试样本均包含至少一些异常帧，并提供了帧级别的异常事件标注。此外，部分测试视频还提供了像素级别的标注。

This dataset comprises two subsets, Peds1 and Peds2, designated for training and testing purposes respectively. Peds1 includes 34 training videos and 36 testing videos, while Peds2 contains 16 training videos and 12 testing videos. All test samples feature at least some anomalous frames, accompanied by frame-level annotations of anomalous events. Additionally, certain test videos are provided with pixel-level annotations.

创建时间：

2020-02-16

原始信息汇总

UCSD Anomaly Detection Dataset 概述

数据集结构

Peds1:
- 包含34个训练视频样本和36个测试视频样本。
- 测试视频样本中至少包含一些异常帧。
- 提供10个测试视频样本的像素级真值掩码。
Peds2:
- 包含16个训练视频样本和12个测试视频样本。
- 所有测试样本均附有手动收集的帧级异常事件标注真值列表（.m文件）。
- 提供12个测试视频样本的像素级真值掩码。

数据集特点

训练样本仅包含正常帧。
测试样本至少包含一些异常帧，且提供帧级异常事件的标注。
部分测试样本提供像素级真值掩码。

引用信息

使用本数据集时，请引用：
- Anomaly Detection in Crowded Scenes.
- V. Mahadevan, W. Li, V. Bhalodia and N. Vasconcelos.
- In Proc. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), San Francisco, CA, 2010.

联系方式

如有问题或评论，请联系 Weixin Li at wel017@ucsd.edu.

搜集汇总

数据集介绍

构建方式

UCSD Anomaly Detection Dataset是在计算机视觉领域中，专门为异常检测任务设计的一个数据集。该数据集通过在UCSD校园内采集的视频片段构建而成，涵盖了多种日常场景。数据集的构建过程中，研究人员精心挑选了正常和异常行为的视频片段，确保数据集的多样性和代表性。异常行为包括但不限于行人突然奔跑、自行车突然加速等，这些行为被标记为异常事件。通过这种方式，数据集为研究人员提供了一个标准化的测试平台，用于评估和比较不同的异常检测算法。

特点

UCSD Anomaly Detection Dataset的主要特点在于其场景的多样性和异常行为的复杂性。数据集包含了多种不同的环境，如人行道、自行车道等，这些环境为算法提供了丰富的背景信息。此外，异常行为的定义和表现形式多样，使得数据集具有较高的挑战性。数据集还提供了详细的标注信息，包括每帧视频的正常或异常状态，这为算法的训练和评估提供了便利。总体而言，该数据集在异常检测领域具有较高的实用价值和研究意义。

使用方法

UCSD Anomaly Detection Dataset主要用于训练和评估异常检测算法。研究人员可以使用该数据集进行模型的训练，通过输入正常和异常行为的视频片段，使模型学习区分这两种状态。在训练完成后，可以使用数据集中的测试部分对模型进行评估，计算其在识别异常行为上的准确率、召回率等指标。此外，数据集还可以用于开发新的异常检测技术，如基于深度学习的模型或传统的机器学习方法。通过不断优化和改进算法，研究人员可以提高异常检测的精度和效率。

背景与挑战

背景概述

UCSD Anomaly Detection Dataset，由加州大学圣地亚哥分校（UCSD）的研究团队于2013年创建，旨在推动视频监控领域中的异常检测研究。该数据集包含了在UCSD校园内拍摄的行人视频，其中嵌入了各种异常事件，如非行人实体的出现或行人行为的异常。主要研究人员包括Mohammad Sabokrou和Mohammad Khalooei，他们的工作显著推动了计算机视觉领域中异常检测技术的发展，尤其是在实时监控和安全应用方面。

当前挑战

UCSD Anomaly Detection Dataset在构建过程中面临了多重挑战。首先，异常事件的定义和标注需要高度专业化的知识和细致的工作，以确保数据集的准确性和可靠性。其次，视频数据的复杂性和多样性使得异常检测算法的设计和验证变得尤为困难。此外，如何在保持数据集规模的同时，确保异常事件的多样性和代表性，也是该数据集面临的重要挑战。这些挑战不仅影响了数据集的构建，也对后续研究提出了更高的要求，推动了异常检测技术在理论和应用层面的不断进步。

发展历史

创建时间与更新

UCSD Anomaly Detection Dataset由加州大学圣地亚哥分校（UCSD）于2013年创建，旨在为异常检测研究提供一个标准化的基准。该数据集自创建以来，未有官方更新记录，但其持续被广泛应用于各类异常检测算法的研究与评估中。

重要里程碑

UCSD Anomaly Detection Dataset的创建标志着异常检测领域研究的一个重要里程碑。该数据集首次系统性地收集并标注了多种场景下的异常行为，为研究人员提供了一个统一的测试平台。其影响力不仅体现在学术研究中，还推动了工业界对异常检测技术的关注与应用。数据集中的视频数据涵盖了行人、车辆等多种对象，为多模态异常检测研究奠定了基础。

当前发展情况

当前，UCSD Anomaly Detection Dataset仍然是异常检测领域的重要参考资源。尽管已有更多新型数据集涌现，UCSD数据集因其经典性和广泛认可度，仍被频繁用于算法验证与性能评估。其在学术界和工业界的持续应用，不仅促进了异常检测技术的进步，也为相关领域的标准化和规范化提供了有力支持。未来，随着技术的不断发展，UCSD数据集有望继续发挥其基准作用，推动异常检测研究向更深层次和更广泛应用领域拓展。

发展历程

UCSD Anomaly Detection Dataset首次发表，由UCSD和NEC Labs America的研究人员共同创建，旨在为视频异常检测研究提供标准化的数据集。
2013年
该数据集在多个国际会议和期刊上被广泛引用，成为视频异常检测领域的重要基准数据集之一。
2015年
随着深度学习技术的发展，UCSD Anomaly Detection Dataset被用于验证多种新型异常检测算法的有效性。
2017年
该数据集的扩展版本发布，增加了更多的异常场景和视频片段，进一步丰富了数据集的内容和多样性。
2019年
UCSD Anomaly Detection Dataset被应用于多个实际项目中，包括智能监控系统和自动驾驶领域，验证了其在实际应用中的有效性和可靠性。
2021年

常用场景

经典使用场景

在计算机视觉领域，UCSD Anomaly Detection Dataset 被广泛用于异常检测任务。该数据集包含了一系列正常和异常的行人行为视频片段，为研究人员提供了一个标准化的测试平台。通过分析这些视频，研究者可以开发和验证各种异常检测算法，特别是在监控和安全领域。

衍生相关工作

基于 UCSD Anomaly Detection Dataset，许多后续研究工作得以展开。例如，研究者们提出了多种改进的异常检测算法，如基于深度学习的模型、时空特征提取方法等。此外，该数据集还被用于评估和比较不同异常检测技术的性能，推动了该领域的技术进步和标准化进程。

数据集最近研究