다중 카메라 다중 대상 검출을 위한 깊은 폐색 추론

최근 몇 년 동안 단일 2D 이미지에서 사람을 감지하는 기술이 크게 발전했습니다. 그러나 이와 같은 진보가 다중 카메라 다중 사람 추적 알고리즘에는 상대적으로 적게 반영되어, 장면이 매우 혼잡해질 때 성능이 크게 저하되는 문제가 여전히 존재합니다. 본 연구에서는 이러한 모호성을 명시적으로 모델링하기 위해 합성곱 신경망(Convolutional Neural Nets)과 조건부 랜덤 필드(Conditional Random Fields)를 결합한 새로운 아키텍처를 제안합니다. 이 모델의 핵심 요소 중 하나는 잠재적인 가림 현상을 모델링하고, 많은 사람들이 존재할 때에도 견고성을 유지시키는 고차(CRF) 항입니다. 우리의 모델은 엔드투엔드로 훈련되었으며, 도전적인 장면에서 여러 최신 알고리즘보다 우수한 성능을 보임을 입증하였습니다.