Context-based Abnormal Object Detection Using the Fully-connected Conditional Random Fields
- 발행기관 서강대학교 일반대학원
- 지도교수 박래홍
- 발행년도 2017
- 학위수여년월 2017. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000061389
- 본문언어 영어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
The contextual information plays an important role in computer vision, particularly in object detection and scene understanding. However, the existing contextual models use only the relationships between normal objects and natural scenes, and thus there still remains a difficult problem in detection of abnormal objects. This thesis proposes an abnormal object detection method using the fully-connected conditional random fields to integrate the contextual information such as the co-occurrence and geometric relationship between objects. With this formulation, the proposed method combines the co-occurrence, spatial interaction between objects, and scale information. To this end, we use a feature embedding technique to find a geometry that reflects the statistical relationship in the pairwise term. Abnormal object detection is solved by using probabilistic variational inference such as the mean field approximation. Experimental results show that the proposed abnormal object detection method achieves significant improvement over the state-of-the-art methods on out-of-context dataset and abnormal object dataset.
more초록/요약
컨텍스트 정보는 컴퓨터 비전, 특히 물체 검출 및 장면 이해에 중요한 역할을 한다. 하지만, 기존의 컨텍스트 모델은 정상적인 물체와 장면 사이의 관계만을 사용하기 때문에 비정상적인 물체를 검출하는데 여전히 어려운 문제로 남아 있다. 본 논문에서는 완전 연결된 조건부 랜덤 필드 (fully-connected conditional random fields)를 이용하여 물체 간의 공존 및 기하학적 관계와 같은 컨텍스트 정보를 통합하는 비정상 물체 검출을 제안한다. 이 모델을 사용하여 제안하는 방법은 물체간의 공존, 공간적 상호 작용 및 크기 정보를 결합한다. 이를 위해 통계적 관계를 반영하는 기하학적 특성을 찾기 위해 특징 임베딩 기술을 사용한다. 비정상적인 물체를 검출하는 평균 필드 근사화방법과 같은 확률론적인 변형 추론을 사용하여 이 문제를 해결한다. 실험 결과는 우리의 비정상 물체 검출 방법이 out-of-context 데이터 세트와 abnormal object 데이터 세트에 대해 최첨단 방법보다 중요한 성능 개선을 이룬다는 것을 보여 준다.
more