17일 전

감시 영상에서 이상 탐지에 대한 지속적 학습

Keval Doshi, Yasin Yilmaz
감시 영상에서 이상 탐지에 대한 지속적 학습
초록

감시 영상에서의 이상 탐지는 최근 주목받고 있는 분야이다. 비디오 감시와 같은 고차원 응용 분야에서 가장 도전적인 과제 중 하나는 지속적 학습(continual learning)이다. 현재 최첨단 딥러닝 기법들은 기존 공개 데이터셋에서는 우수한 성능을 보이지만, 계산 및 저장 공간 문제로 인해 지속적 학습 프레임워크에서는 제대로 작동하지 못한다. 게다가 이 분야에서는 온라인 결정(online decision making)이 중요한 역할을 하지만, 대부분 간과되고 있다. 이러한 연구 공백을 해결하고자, 본 연구에서는 전이 학습(transfer learning)과 지속적 학습을 활용한 감시 영상의 온라인 이상 탐지 기법을 제안한다. 이 방법은 훈련 복잡도를 크게 감소시키며, 급속히 변화하는 최신 데이터로부터 지속적으로 학습할 수 있는 메커니즘을 제공함과 동시에 치명적인 잊힘(catastrophic forgetting) 현상을 피할 수 있다. 제안된 알고리즘은 신경망 기반 모델의 특징 추출 능력을 활용하여 전이 학습을 수행하고, 통계적 탐지 기법의 지속적 학습 능력을 결합함으로써 효율적인 이상 탐지를 가능하게 한다.