One-class Adversarial Learning Method for Frame-level Video Anomaly Detection
Jin Young Kim, Sung‐Bae Cho · 정보과학회 컴퓨팅의 실제 논문지 · 2020
이상탐지분야에서는 이상치의 수가 매우 적어 지도학습 방법을 이용하면 데이터 불균형 및 새로운 이상치 탐지에 문제가 발생한다. 따라서 비지도 방식의 단일 클래스 분류기는 효율적으로 사용될 수 있다. 본 논문에서는 단일 클래스 적대방법을 통해 정상데이터만의 분포를 따르는 잠재공간을 학습하여 이상치를 탐지할 수 있는 모델을 제안한다. 이것은 인코더, 디코더 및 분류기의 3가지 모듈로 이루어진다. 인코더와 디코더는 입력데이터를 압축하여 잠재공간에 전사하고 전사된 데이터를 복원하는 오토인코더 구조를 가진다. 분류기는 전사된 데이터를 입력받아 왜곡된 정상 데이터인지 기존 정상 데이터인지 판단하도록 학습된다. 인코더는 왜곡된 정상 데이터가 전사된 값도 분류기를 통해 기존으로 분류되도록 적대학습하며 정상 데이터에 대한 분포를 정교하게 학습한다. 우리의 모델은 이상탐지분야에서 많이 사용되는 Modified National Institute of Standards and Technology (MNIST)와 University of California San Diego (UCSD) Pedestrian (Ped) 2 데이터를 사용하여 각각 Area Under the Curve (AUC) 0.91 및 0.72의 탐지 성능을 보여준다.