비디오 객체 탐지를 위한 강건하고 효율적인 후처리 (REPP)

비디오 내 물체 인식은 자율 주행 인지, 감시 작업, 웨어러블 장치 또는 사물인터넷(IoT) 네트워크 등 다양한 응용 분야에서 중요한 과제이다. 비디오 데이터를 활용한 물체 인식은 정지 이미지에 비해 흐림, 가림, 희귀한 물체 자세 등으로 인해 더욱 도전적인 과제이다. 현재 최고 성능을 달성하기 위해서는 높은 계산 비용을 수반하는 특정 비디오 탐지기 또는 표준 이미지 탐지기와 빠른 후처리 알고리즘을 결합한 방법이 사용되고 있다. 본 연구는 프레임 간 탐지 결과 간의 학습 기반 유사도 평가를 도입함으로써 기존 후처리 방법의 일부 한계를 극복하는 새로운 후처리 파이프라인을 제안한다. 제안한 방법은 특히 빠르게 움직이는 물체에 대해 현재 최고 수준의 특정 비디오 탐지기의 성능을 향상시키며, 낮은 자원 요구량을 갖는다. 또한 YOLO와 같은 효율적인 정지 이미지 탐지기에도 적용 가능하며, 훨씬 더 높은 계산 비용이 드는 탐지기들과 비교해 유사한 성능을 제공한다.