[논문 리뷰] A Feedback Neural Network for Small Target Motion Detection in Cluttered Backgrounds

Hongxin Wang, Jigen Peng외 1명|arXiv (Cornell University)|2018. 05. 01.

Neurobiology and Insect Physiology Research참고 문헌 12인용 수 3

한 줄 요약

이 논문은 배경이 혼잡한 환경에서 소형 목표물의 운동 탐지를 향상시키기 위해, 출력에서 대뇌피질 층으로 시간 지연 피드백 루프를 통합한 피드백 신경망(피드백 ESTMD)을 제안한다. 피드백은 배경 노이즈에 대한 반응을 억제하여 기준 ESTMD 모델 대비 탐지 성능을 크게 향상시키며, 특히 목표물과 배경 간 속도 차이가 있을 경우 두드러진 성능 향상을 보인다.

ABSTRACT

Small target motion detection is critical for insects to search for and track mates or prey which always appear as small dim speckles in the visual field. A class of specific neurons, called small target motion detectors (STMDs), has been characterized by exquisite sensitivity for small target motion. Understanding and analyzing visual pathway of STMD neurons are beneficial to design artificial visual systems for small target motion detection. Feedback loops have been widely identified in visual neural circuits and play an important role in target detection. However, if there exists a feedback loop in the STMD visual pathway or if a feedback loop could significantly improve the detection performance of STMD neurons, is unclear. In this paper, we propose a feedback neural network for small target motion detection against naturally cluttered backgrounds. In order to form a feedback loop, model output is temporally delayed and relayed to previous neural layer as feedback signal. Extensive experiments showed that the significant improvement of the proposed feedback neural network over the existing STMD-based models for small target motion detection.

연구 동기 및 목표

• STMD 신경 경로에 피드백 루프를 통합할 경우 소형 목표물의 운동 탐지 성능이 향상되는지 조사하는 것.
• 배경 노이즈가 목표물의 특징과 유사한 자연스러운 혼잡한 배경에서 소형이고 밝기가 낮은 이동 목표물을 탐지하는 데 도전하는 문제를 해결하는 것.
• 기존의 STMD 기반 모델의 성능을 향상시키기 위해 배경 노이즈로 인한 가짜 경고를 줄이는 피드백 메커니즘을 통합하는 것.
• 다양한 목표물 및 배경 이동 조건에서 피드백의 효과를 검증하는 것.

제안 방법

• 기존의 ESTMD 아키텍처에 출력 신호를 지연시켜 대뇌피질 층으로 되돌리는 피드백 루프를 확장하여 구현한다.
• 피드백 신호는 대뇌피질 층의 출력에 더해져 배경 노이즈에 대한 반응을 억제하면서도 목표물의 운동 신호는 유지한다.
• 피드백 신호를 현재 입력 스트림과 정렬하기 위해 시간 지연 블록을 사용하여 피드백 메커니즘을 구현한다.
• 모델은 네 단계로 입력 영상 시퀀스를 처리한다: 망막(Gaussian 필터링), 라미나(운동 에너지 계산), 대뇌피질(피드백 통합), 볼류라(최종 출력).
• 피드백 루프는 정적 또는 느리게 움직이는 배경 특징에 대해 반응을 약화시켜, 이는 소형 목표물과 유사한 특징을 가진다.
• 성능 평가는 목표물의 밝기, 크기, 속도, 배경 이동 등의 다양한 매개변수에서 고정된 가짜 경고율에서의 탐지율과 ROC 곡선을 사용하여 평가된다.

실험 결과

연구 질문

• RQ1 STMD 신경 경로에 피드백 루프를 통합할 경우 소형 목표물의 운동 탐지 성능이 유의미하게 향상되는가?
• RQ2 다양한 목표물 및 배경 속도 조건에서 피드백 메커니즘이 탐지 성능에 어떤 영향을 미치는가?
• RQ3 피드백 네트워크는 소형 이동 목표물에 대한 민감도를 유지하면서 배경 노이즈를 효과적으로 억제할 수 있는가?
• RQ4 다양한 목표물 및 배경 이동 매개변수에서 피드백 ESTMD의 성능은 기준 ESTMD와 비교해 어떻게 다른가?

주요 결과

• 고정된 가짜 경고율 10일 때 피드백 ESTMD 모델은 기준 ESTMD 모델보다 유의미하게 높은 탐지율을 달성한다.
• 목표물의 밝기와 크기가 다양할 경우 피드백 ESTMD는 항상 ESTMD를 능가하며, 특히 저대비 및 소형 목표물 조건에서 탐지율이 크게 높다.
• 목표물 속도가 배경 속도를 초과할 경우(예: 500 vs. 250 px/s), 피드백 ESTMD는 특히 반대 방향 이동 조건에서 뚜렷한 탐지 성능 향상을 보인다.
• 같은 방향 이동 조건에서는 목표물 속도가 배경 속도를 초과할 경우 피드백 ESTMD가 뛰어난 성능 유지를 보이나, 배경이 더 빠르게 움직일 경우 성능 격차가 줄어든다.
• 복잡하고 자연스러운 혼잡한 배경(예: 움직이는 나뭇잎)에서 피드백 ESTMD는 ROC 곡선 비교를 통해 ESTMD보다 높은 탐지율을 달성한다.
• 피드백 메커니즘은 특히 소형 목표물과 유사한 무늬를 가진 고도로 무늬가 많은 동적 환경에서 배경 노이즈로 인한 가짜 경고를 효과적으로 줄인다.