초록
감시 영상에서의 이상 탐지 기술이 최근 주목받고 있다. 공개 데이터셋에서 최신 기술들의 성능은 경쟁력을 갖추고 있지만, 대량의 학습 데이터를 요구한다는 점과, 새로운 데이터가 제공되었을 때 학습된 모델을 지속적으로 갱신할 수 있는 명확한 방법이 부족하다는 문제가 있다. 더불어, 이 분야에서 온라인 결정 기반의 실시간 처리는 매우 중요하지만 대부분 간과되고 있다. 이러한 연구적 공백을 해결하고자, 본 연구에서는 전이 학습(transfer learning)과 임의의 샘플 학습(any-shot learning)을 활용한 온라인 이상 탐지 기법을 제안한다. 이 방법은 훈련 복잡도를 크게 감소시키며, 몇 개의 레이블링된 정상 샘플만으로도 이상을 탐지할 수 있는 메커니즘을 제공한다. 제안하는 알고리즘은 신경망 기반 모델의 특징 추출 능력을 활용해 전이 학습을 수행하고, 통계적 탐지 방법의 임의의 샘플 학습 능력을 결합함으로써 효과적인 이상 탐지 성능을 달성한다.