Core Concepts
통합 다중 스케일 주의 모듈을 활용하여 경량 군중 질감 특징 추출 네트워크를 구축하고, 이를 통해 메트로 환경에서 효과적으로 승객 밀도 수준을 자동으로 분류할 수 있다.
Abstract
이 논문은 메트로 비디오 감시 시스템의 군중 밀도 추정 문제를 해결하기 위해 MCNet을 제안한다.
첫째, 통합 다중 스케일 주의(IMA) 모듈을 제안하여 일반 분류기의 군중 질감 특징 추출 능력을 향상시킨다. IMA 모듈은 확장 합성곱, 다중 스케일 특징 추출 및 주의 메커니즘을 융합하여 낮은 계산 비용으로 더 넓은 수용 영역에서 다중 스케일 군중 특징 활성화를 얻는다.
둘째, 경량 군중 질감 특징 추출 네트워크를 제안하여 비디오 프레임을 직접 처리하고 자동으로 군중 밀도 추정을 위한 질감 특징을 추출할 수 있다. 이 네트워크는 더 빠른 이미지 처리 속도와 더 적은 네트워크 매개변수로 인해 하드웨어 리소스가 제한된 임베디드 플랫폼에 유연하게 배포할 수 있다.
마지막으로, IMA 모듈과 경량 군중 질감 특징 추출 네트워크를 결합하여 MCNet을 구축하고, Cifar10, PETS2009, Mall, QUT 및 SH METRO 데이터셋에서 네트워크의 타당성을 검증한다. 실험 결과, IMA 모듈의 도움으로 MCNet의 예측 정확도가 향상되었고, 정확도, 총 네트워크 매개변수 및 추론 속도 측면에서 다른 경쟁자들보다 우수한 전반적인 예측 성능을 보여준다. 또한 MCNet의 전력 소비 및 추론 속도 실험은 제한된 하드웨어 리소스를 가진 임베디드 메트로 플랫폼에 배포할 수 있음을 입증한다.
Stats
메트로 승객 밀도 수준은 세 가지 범주로 구분할 수 있다: 높음(>12명), 중간(7-12명), 낮음(0-6명).
MCNet은 SH METRO 데이터셋에서 93%의 정확도와 2ms/프레임의 추론 속도를 달성했다.
MCNet의 총 네트워크 매개변수는 0.13M로 매우 작다.
Quotes
"통합 다중 스케일 주의(IMA) 모듈은 확장 합성곱, 다중 스케일 특징 추출 및 주의 메커니즘을 융합하여 낮은 계산 비용으로 더 넓은 수용 영역에서 다중 스케일 군중 특징 활성화를 얻는다."
"경량 군중 질감 특징 추출 네트워크는 더 빠른 이미지 처리 속도와 더 적은 네트워크 매개변수로 인해 하드웨어 리소스가 제한된 임베디드 플랫폼에 유연하게 배포할 수 있다."