초록
단일 장면 영상의 이상 탐지 및 위치 지정을 위한 새로운 프레임워크를 개발하였다. 이 프레임워크는 시스템의 결정에 대한 인간이 이해할 수 있는 이유를 제공할 수 있다. 먼저 깊은 신경망을 활용하여 객체와 그 움직임에 대한 일반적인 표현을 학습한 후, 이러한 표현을 기반으로 특정 장면에 대한 고수준의 위치에 의존적인 모델을 구축한다. 이 모델은 동일한 장면의 새로운 영상에서 이상을 탐지하는 데 활용될 수 있다. 특히 본 연구의 접근법은 설명 가능하다는 점에서 중요하다. 고수준의 시각적 특징과 운동 특징은 영상의 어느 부분이 정상 또는 이상으로 분류되었는지에 대한 인간이 이해할 수 있는 근거를 제공할 수 있다. 표준 영상 이상 탐지 데이터셋(Street Scene, CUHK Avenue, ShanghaiTech, UCSD Ped1, Ped2)을 대상으로 실험을 수행한 결과, 기존 최고 성능 기법 대비 유의미한 성능 향상을 입증하였다.