영상 추적 모델의 효과적인 온라인 학습 정책을 위한 강화학습

Abstract

영상 추적 문제는 컴퓨터 비전 분야에서 활발히 연구되고 있는 주제이다. 최근 많은 영상 추적 방법들은 추적하고자 하는 표적의 모양과 크기의 변화를 적응하기 위해, 외관 모델의 온라인 학습을 채용하고 있다. 외관 모델의 파라미터를 갱신함으 로써, 장기적인 영상 추적에서 표적의 변화를 강인하게 잡아낼 수 있다. 영상 추적에 서 사용되는 온라인 학습의 과정은 휴리스틱한학습 정책을 차용하는데, 프레임마다 학습을 위한 표본들을 모으거나 외관 모델의 파라미터를 갱신하기 위해 불필요한 시간소모가 자주 일어난다. 본 연구에서는 휴리스틱 온라인 학습 정책을 대신하여 강화학습을 이용한 효과적인 온라인 학습 정책을 제안한다. 제안한 강화학습 에이 전트는 학습 표본들의 통계를 이용하여 현재 추정된 표적을 해석하며, 외관 모델의 파라미터를 갱신하거나 학습 표본과 표본을 추출하는 행동을 취한다. 제안된 온라인 학습 정책은 불필요한 계산을 줄임으로써 영상 추적 속도를 50% 빠르게 하였으며, 초기 모델 파라미터를 재학습시키지 않고도 좋은 학습 표본들을 선택적으로 추출함 으로써 OTB2015, UAV123, LaSOT과같은 여러 벤치마크에서의 영상 추적의 정확도 역시 올릴 수 있다.