검색 상세

잔차 학습 및 convLSTM 기반의 비디오 이상탐지

Residual learning and convLSTM based video anomaly detection

초록/요약

최근 딥러닝 기반의 컴퓨터 비전 기법들이 여러 분야에서 좋은 성능을 보여줌에 따라 비디오 이상탐지와 관련된 딥러닝 기반의 이상탐지 연구가 활발히 진행되고 있다. 본 연구에서는 시계열 데이터에 특화된 기존의 LSTM 기법이 반영할 수 없었던 비디오 시퀀스의 공간적 정보를 반영하는 convolutional LSTM기반의 딥러닝 이상탐지 기법을 제안한다. 이 이상탐지 모델은 비디오에서 발생할 수 있는 이상상황에 대한 효율적인 분석을 위하여 인접한 두 프레임의 옵티컬 플로우를 이용한 주의집중 블록을 사용하고 있으며 학습과정에서 잔차 학습을 이용하여 학습의 수렴속도 및 성능을 향상시킨다. 우리가 제시한 모델은 여러 비디오 이상탐지와 관련된 데이터셋에 대하여 학습과 테스트가 진행되었으며 Avenue, Subway_Exit 데이터셋에 대해서 사전 논문들에 비하여 최고 성능을 보이는 것을 보였다. 또한 비디오 이상탐지의 성능 향상을 위해 설계한 주의집중 블록 및 잔차 학습의 효율성을 실험을 통해 입증하였다.

more

목차

제 1 장 서론 1
제 1 절 연구목적 및 필요성 1
제 2 절 연구내용 및 방법 2
제 3 절 연구의 기여 4
제 4 절 논문의 구성 4
제 2 장 관련 연구 5
제 1 절 연구자가 직접 설계한 특징 기반 이상탐지 5
제 2 절 딥러닝 기반 이상탐지 6
제 3 장 배경 이론 7
제 1 절 옵티컬 플로우 7
제 2 절 convolutional LSTM 9
제 3 절 잔차 학습 11
제 4 장 이상탐지 모델 13
제 1 절 옵티컬 플로우를 이용한 주의집중 블록 14
제 2 절 convLSTM 연결 블록 15
제 3 절 이상탐지 모델 16
제 4 절 성능평가 척도 16
제 5 장 실험 및 비교 분석 18
제 1 절 실험 세부사항 18
제 2 절 데이터셋 18
제 3 절 Avenue 데이터셋에 대한 이상탐지 결과 21
제 4 절 Subway 데이터셋에 대한 이상탐지 결과 24
제 5 절 입력 비디오 시퀀스 길이에 따른 성능 비교 28
제 6 절 주의집중 블록에 대한 비교 분석 29
제 7 절 잔차 학습에 대한 비교 분석 29
제 6 장 결론 및 향후 연구 31
참 고 문 헌 33
ABSTRACT 38

more