손상된 동영상에 대한 객체 탐지 성능을 높이기 위한 연구

Abstract

동영상 객체 탐지(Object Detection)은 동영상 프레임 내 객체를 검출해내는 기술로 자율 주행 자동차, 얼굴 검출, 영상 복구, 비디오 감시 등 다양한 분야에서 활용할 수 있는 연구 분야이다. 딥러닝 기반의 동영상 객체 탐지는 객체가 있을 법한 영역을 선택해주는 Region Proposal과 이 영역 내에 객체가 있을 경우 객체의 클래스를 분류해주는 과정을 거친다. 이 두 과정을 동시에 진행하는지의 여부에 따라 크게 1-stage detector와 2-stage detector로 분류할 수 있다. 1-stage detector는 Region Proposal와 클래스 분류(Classfication)가 동시에 이루어진다. 전체 이미지에 대해 합성곱 신경망 네트워크(Convolution Network)로 분류와 지역화(Localization)를 수행한다. 여러 객체가 섞여있는 전체 이미지에서 이를 수행하는 것이 정확도는 낮지만 간단하고 쉬운 만큼 속도가 빠른 장점을 가지고 있다. 2-stage detector는 Region Proposal과 클래스 분류가 순차적으로 이루어진다. 먼저 객체가 있을 법한 영역을 찾아내고 각 영역들을 합성곱 신경망 네트워크를 통해 추출한 특징들을 토대로 클래스 분류와 지역화 문제를 해결한다. 이 과정이 동시에 진행되지 않고 순차적으로 이루어지기 때문에 속도는 느리지만 정확도가 높은 장점을 가지고 있다. 또, 이러한 단점을 보완하기 위해 Region Proposal에 다양한 알고리즘을 사용한다.