《현시대는 과학기술의 시대, 지식경제시대이며 과학기술의 발전수준에 의하여 국력이 결정되고 나라와 민족의 지위와 전도가 좌우되게 됩니다.》
여러개의 카메라에 의해 촬영된 사람을 정합시키는것을 목적으로 하는 사람재식별기술은 최근 영상감시에서 널리 적용되고있다.
사람재식별체계에서는 색히스토그람, 공간동시발생표현모형, 속성모형으로부터 여러 특징들의 결합 등을 리용하고있는데 이러한 특징들은 서로 다른 시각조건으로 하여 훈련에서 최량일 가능성이 적다. 이러한 문제를 해결하기 위하여 화상의 대칭속성을 리용한 로바스트적인 국부특징의 대칭성루적방법(SDALF)과 정확한 정합쌍들이 부정확한 정합쌍들보다 더 작은 거리를 가지는 함수를 최대로 하는 확률적상대거리비교(PRDC)학습방법 등이 제기되였다.
최근 사람재식별의 성능을 개선하기 위하여 심층신경망(DBN)과 린접성분해석(NCA)을 결합한 방법, 자기부호화기에 의한 방법 등이 제안되였으며 특징들의 상대거리가 최대로 되도록 학습을 진행하는 3인조에 의한 심층신경망을 부단히 학습시키는 방법들이 연구되고있다. 3인조는 3가지 화상 즉 질문화상, 정합관계의 화상과 비정합관계의 화상들을 포함하고있다. 신경망은 매 3인조에서 정합 및 비정합사이의 거리를 가능한 크게 하는 방향으로 특징을 얻는다. 이것은 정합대상들사이의 거리가 비정합대상들보다 더 작은 값을 가지도록 조종한다.
사람의 재식별문제를 해결하기 위한 많은 심층신경망방법들이 제안되였지만 심층신경망의 기본문제인 비불룩목적함수의 국부극값문제로 하여 그 성능들이 여전히 제한을 받고있다.
우리는 사람재식별을 위한 심층학습에서 비불룩목적함수의 대역극값문제해결을 위하여 립자려파와 BP학습의 결합에 의한 학습원리를 제안하였다.
립자려파방법은 비선형 및 비가우스조건하에서 반복추정문제를 푸는데 적합한 수학적방법이다. 립자려파기는 동적모형과 우연모형 두개의 중요한 부분으로 구성되는데 동적모형은 립자가 상태공간에서 어떻게 전파되는가를 결정하며 우연모형은 립자무게를 결정하는데 리용된다. 립자려파기는 또한 주요하게 중요성표본화와 재표본화를 포함한다. 이에 대한 설명을 그림에서 보여준다.
중요성표본화는 상태공간에서 립자의 전파특성을 결정하며 재표본화는 무게값의 퇴화문제를 해결한다. 재표본화에서는 무게값이 큰 립자일수록 자손립자가 더욱 많고 반대이면 자손립자가 더욱 작아진다.
아래 그림에서 중요성표본화와 재표본화립자려파기에 대한 설명을 아래 그림에서 주었다.
우리는 립자려파의 이 재표본화특성을 리용하여 오차곡면우에서 대역적인 극소값을 탐색해나간다. 즉 신경망의 무게곁수공간에서 중요성표본화에 의해 취해진 립자(무게곁수모임)들의 무게는 오차곡면우에서의 오차들에 의하여 계산되며 재표본화에 의하여 립자들은 근방에서 상대적으로 최량인 극소점주변에 분포된다.
오차곡면우에서 대역적인 극소값주변의 다른 극소값들은 멀리에 있는 극소값들보다 상대적으로 작다는 가설에 준하여 립자들이 작은 오차에 대하여 더 큰 무게를 가지도록 한다. 결과 재표본화이후 립자들은 상대적으로 작은 극소점주변에 보다 조밀하게 많이 분포되여 더 작은 극소점탐색을 위한 초기상태를 가지게 된다. 이것은 오차가 작은 극소점주변에서는 탐색밀도가 높아지고 오차가 큰 극소점주변에서는 탐색밀도가 낮아지는것과 같다.
먼저 매개 립자 즉 여러조의 심층신경망무게곁수모임들로부터 해당 립자들의 무게곁수들이 초기화된다. 다음으로 립자들은 BP학습에 의하여 각각 자기주변의 국부극소점들에로 수렴하게 한다. 이 과정을 반복하여 일정한 령역에서 상대적으로 대역적인 극값을 탐색한다. 결국 립자려파와 BP의 결합에 의하여 심층신경망학습의 대역적인 극값을 탐색할수 있다.
우리는 이와 같이 립자려파와 BP신경망을 결합하여 사람재식별을 위한 심층학습에서 비불룩목적함수의 대역극값문제를 해결하였으며 립자려파의 대역적인 탐색특성을 리용하여 BP학습의 국부극값문제를 극복하였으며 사람재식별체계에서 식별의 정확성을 높일수 있게 하였다.
우의 연구내용은 SCI잡지 《Multimedia Tools and Applications》[78(6), 2019, 6607-6636]에 《Deep learning with particle filter for person re-identification》 (https://doi.org/10.1007/s11042-018-6415-5)의 제목으로 출판되였다.
