Earticle

초록

한국어

이상 감지는 비디오 프레임에서 정상 이벤트에서 벗어난 이상 영역의 위치를 찾아내거나 또는 주어진 이미지에 대한 이상 상황 분류 문제에 중점을 둔다. 최근에는 입력 영상과 재구성 영상의 차이를 계산하여 이상 영역을 탐지하기 위해 오토 인코더 또는 UNet과 같은 딥 러닝 모델을 사용하는 접근 방식이 많이 제안되었다. 이러한 접근 방식은 오토 인코더 또는 UNet과 같은 모델이 비정상적인 영역에 대해서는 재구성할 수 없다고 가정한다. 그러나 이러한 접근 방식은 자동 인코더 또는 UNet가 가지는 높은 일반화 성능으로 인해 이상 영역도 정상 영역과 마찬가지로 충분히 잘 재구성하여 차이가 두드러지지 않는 문제가 흔히 발생한다. 이러한 문제를 해결하기 위해 본 연구에서는 이미지 영역의 특정 부분들을 제거하고 제거한 부분들에 대해 인페인팅 기법을 적용해 다시 이미지를 재구성하는 고급 이상 탐지 방식을 채택하였다. 또한, UNet 모델을 좀 더 개선한 모델인 ResUNet++를 이상 탐지 네트워크로서 사용하였다. 본 연구의 실험에서는 이상 탐지 분야에서 자주 사용되는 데이터 셋 중 하나인 UCSD Ped2 데이터 셋을 사용하였다. 실험 결과 본 연구에서 제안한 ResUNet++를 사용한 모델이 이상 영역을 잘 감지할 수 있음을 확인하였다.

목차

Abstract
1. Introduction
2. Method
3. Experiments
3.1. Experimental setup
3.2. Dataset
3.3. Experimental result
4. Conclusions
Acknowledgement
References

키워드

저자

• Jaeyong Kang [ Dept. of Software Korea National University of Transportation Chungju, South Korea ]
• Hyunseok Lim [ Dept. of Software Korea National University of Transportation Chungju, Republic of Korea ]
• Dongwook Min [ Dept. of Software Korea National University of Transportation Chungju, Republic of Korea ]
• Zahid Ullah [ Dept. of Software Korea National University of Transportation Chungju, Republic of Korea ]
• Jeonghwan Gwak [ Dept. of Software Korea National University of Transportation Chungju, Republic of Korea ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국차세대컴퓨팅학회 학술대회

• 간기

  반년간

• 수록기간

  2021~2025

• 십진분류

  KDC 566 DDC 004