对于顺序数据,更改点是突然的制度交换机的时刻。这种更改出现在不同的场景中,包括复杂的视频监控,并且我们需要尽可能快地检测它们。由于没有足够的数据表示学习程序,改变点检测(CPD)的经典方法对于半结构化的顺序数据而言。我们提出了一个原则性的损失函数,近似于经典严谨的解决方案,但有所不同,并实现了代表学习。此损耗函数余额将检测延迟和时间变平衡,以为CPD提供成功的模型。在实验中,我们考虑简单的系列和更复杂的真实图像序列和具有变化点的视频。对于更复杂的问题,我们表明我们需要针对CPD任务的特殊性量身定制的更有意义的陈述。考虑到这一点,所提出的方法临时改善了CPD的基线结果,以了解各种数据类型。对于爆炸检测,与基线相比,我们的方法的F1分数为0.54美元,价格为0.46美元和0.30美元。
translated by 谷歌翻译