사물 수준의 컨볼루션 신경망을 이용한 주목도와 경계 상자 정렬 기반 보행자 검출

비디오에서 보행자는 다양한 자세, 가림 현상 및 복잡한 배경을 가지고 있어, 보행자 검출에서 제안 영역 이동 문제가 발생하여 머리와 다리 같은 신체 부위가 누락되는 경우가 있다. 이를 해결하기 위해 본 논문에서는 주의도(saliency)와 경계 상자 정렬(bounding box alignment)을 사용한 부분 수준의 합성곱 신경망(CNN)을 제안한다. 제안된 네트워크는 검출과 정렬 두 개의 하위 네트워크로 구성된다. 검출 하위 네트워크에서는 주의도를 활용하여 가로등과 나무 같은 오검출(false positives)을 제거한다. 정렬 하위 네트워크에서는 검출 제안 영역에 대한 경계 상자 정열을 채택하여 제안 영역 이동 문제를 해결한다. 먼저, FCN(Fully Convolutional Network)과 CAM(Class Activation Mapping)을 결합하여 보행자 검출에 필요한 깊은 특징들을 추출한다. 그런 다음, 부분 수준의 CNN을 수행하여 누락된 신체 부위를 재추적한다. 다양한 데이터셋에서의 실험 결과는 제안된 방법이 보행자 검출의 정확성을 크게 향상시키며, 이미지당 오검출 횟수(FPPI: False Positives Per Image) 기준으로 로그 평균 누락률(log average miss rate) 측면에서 기존 최신 기술(state-of-the-arts)보다 우수함을 입증하였다.