초록
자동 이상 탐지(Automatic anomaly detection)는 공공 안전 등에 널리 활용되는 비디오 감시 시스템에서 핵심적인 과제이다. 기존 시스템은 공간적 정보와 시간적 정보를 효과적으로 활용하기 위해 통합된 네트워크 내에서 공간 분기(Spatial branch)와 시간 분기(Temporal branch)를 채택하고 있다. 본 네트워크는 잔차 자동에코더(Residual autoencoder) 아키텍처를 기반으로 하며, 깊은 합성곱 신경망 기반의 인코더와 다단계 채널 주의 메커니즘 기반의 디코더로 구성되어 있으며, 비지도 학습 방식으로 학습된다. 시간적 특징을 효과적으로 추출하기 위해 시간 이동(Time shift) 기법을 사용하고, 채널 주의 모듈을 통해 문맥적 종속성(Contextual dependency)을 추출한다. 시스템의 성능은 세 가지 표준 벤치마크 데이터셋을 이용하여 평가되었으며, 그 결과 제안한 네트워크는 최신 기술 대비 우수한 성능을 보였으며, 각각 UCSD Ped2, CUHK Avenue, ShanghaiTech 데이터셋에서 AUC(Area Under Curve) 기준으로 97.4%, 86.7%, 73.6%의 성능을 달성하였다.