
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.