혼잡한 장면에서의 이상 탐지를 위한 생성형 신경망

안전 감시는 사회의 조화와 국민의 평온한 삶을 유지하는 데 핵심적인 역할을 한다. 이는 사회 안정 강화와 인명 보호에 큰 영향을 미친다. 영상 감시 데이터에서 이상 현상을 신속하고 효과적이며 효율적으로 탐지하는 것은 여전히 도전 과제로 남아 있다. 본 논문은 영상 데이터에서 이상 탐지를 위한 새로운 접근법인 S²-VAE를 제안한다. S²-VAE는 두 가지 새로운 신경망으로 구성된다: 적층형 완전 연결 변분 오토인코더(SF-VAE)와 스킵 컨볼루션 VAE(SC-VAE). SF-VAE는 깊이가 얕은 생성형 네트워크로, 실제 데이터의 분포를 근사하기 위해 가우시안 믹스처 모델과 유사한 모델을 학습한다. SC-VAE는 S²-VAE의 핵심 구성 요소로서, CNN, VAE 및 스킵 연결의 장점을 활용한 깊은 생성형 네트워크이다. SF-VAE와 SC-VAE는 모두 효율적이고 효과적인 생성형 네트워크로, 국부적 이상 사건과 전역적 이상 사건 모두에 대해 뛰어난 탐지 성능을 달성할 수 있다. 제안된 S²-VAE는 네 가지 공개 데이터셋을 이용해 평가되었으며, 실험 결과 S²-VAE가 최신 기술 대비 우수한 성능을 보였다. 코드는 공개적으로 제공되며, GitHub에서 확인 가능하다: https://github.com/tianwangbuaa/.