1. Model Test
- MGFN 모델은 mp4 파일이 아닌 i3d feature를 input으로 사용한다.
새로운 영상을 사용하기 위해 i3d feature extraction 코드를 여러개 찾아서 실행해봤지만 기존에 제공된 feature와 비교했을 때 동일한 값이 나오지 않았다. 그래서 UCF CRIME dataset 중에 학습되지 않은 test data를 선정해서 테스트를 진행했다.
(1) Arson
- Recall : 0.73522, AUC : 0.92438
- 화재 감지 성능이 좋다.
(2) Fighting
- Recall : 0.70650, AUC : 0.85054
2. Anomaly Detection(PyQt)
- test video의 feature를 사용해서 모델으로부터 pred.npy 추출
- Video Filename: 원본 mp4 파일명 입력
- Threshold: 알림이 나타나는 기준점
모델별로 pred 범위가 다르게 나오기 때문에 미리 확인하고 지정 - 추출된 pred.npy 선택하면 opencv 영상 출력
- ↑arson.mp4 영상에서 프레임별 pred 값이 0.0145 이상일 경우 알림 적용됨
- PyQt5 Tutorial 사이트
