[논문 리뷰] A Gun Detection Dataset and Searching for Embedded Device Solutions.

Delong Qi, Weijun Tan외 3명|arXiv (Cornell University)|2021. 05. 03.

Advanced Optical Sensing Technologies참고 문헌 16인용 수 1

한 줄 요약

이 논문은 51,000장의 주석이付けられた 총 이미지와 51,000장의 잘라낸 총 조각 이미지를 포함하는 대규모 공개 데이터셋을 소개하며, 총 탐지 및 분류를 위한 컴퓨터 비전 모델의 벤치마킹을 가능하게 한다. 또한 임베디드 장치에서 실시간 총 탐지를 구현하고 클라우드 서버에서 분류를 수행하는 엣지-클라우드 프레임워크를 제안하여 실생활에 적용 가능한 실시간 구현을 가능하게 한다.

ABSTRACT

Gun violence is a severe problem in the world, particularly in the United States. Computer vision methods have been studied to detect guns in surveillance video cameras or smart IP cameras and to send a real-time alert to safety personals. However, due to no public datasets, it is hard to benchmark how well such methods work in real applications. In this paper we publish a dataset with 51K annotated gun images for gun detection and other 51K cropped gun chip images for gun classification we collect from a few different sources. To our knowledge, this is the largest dataset for the study of gun detection. This dataset can be downloaded at www.linksprite.com/gun-detection-datasets. We also study to search for solutions for gun detection in embedded edge device (camera) and a gun/non-gun classification on a cloud server. This edge/cloud framework makes possible the deployment of gun detection in the real world.

연구 동기 및 목표

• 실생활 응용 분야에서 총 탐지 모델을 벤치마킹하기 위한 공개 데이터셋 부족 문제를 해결한다.
• 컴퓨터 비전을 활용해 감시 시스템에서 정확하고 효율적인 총 탐지를 가능하게 한다.
• 임베디드 엣지 장치에서 실시간 총 탐지를 위한 구현 가능한 솔루션을 개발한다.
• 엣지 수준 탐지에 보완되는 확장 가능한 클라우드 기반 분류 시스템을 구축한다.
• 통합된 엣지-클라우드 아키텍처를 통해 총 탐지 시스템의 실질적 구현을 촉진한다.

제안 방법

• 다양한 출처에서 51,000장의 총 이미지를 수집하고 주석을 달아 포괄적인 총 탐지 데이터셋을 구성한다.
• 세부 분류 작업을 위한 추가로 51,000장의 잘라낸 총 조각 이미지를 생성한다.
• 임베디드 장치가 실시간 추론을 통해 총 탐지를 수행하는 엣지-클라우드 프레임워크를 설계한다.
• 엣지 장치를 지원하기 위해 별도의 총/비총 분류 모델을 클라우드 서버에 배포한다.
• 실생활 제약 조건 하에서 탐지 및 분류 모델을 훈련하고 평가하기 위해 데이터셋을 활용한다.
• 최적화된 추론 파이프라인을 통해 자원이 제한된 임베디드 장치에 모델 배포를 가능하게 한다.

실험 결과

연구 질문

• RQ1 제안된 데이터셋이 총 탐지 모델의 벤치마킹을 얼마나 효과적으로 지원하는가?
• RQ2 저전력 임베디드 엣지 장치에서 실시간 총 탐지를 효율적으로 구현할 수 있는가?
• RQ3 엣지 장치와 통합되었을 때 클라우드 기반 총/비총 분류 모델의 성능은 어떠한가?
• RQ4 엣지-클라우드 아키텍처는 실생활 감시 시스템에서 확장성과 반응성에 어떻게 기여하는가?
• RQ5 이 데이터셋은 다양한 총 유형과 영상 조건에 대해 얼마나 잘 일반화되는가?

주요 결과

• 이 논문은 총 탐지 분야에서 가장 큰 공개 데이터셋을 제공하며, 주석이 달린 이미지 51,000장과 잘라낸 총 조각 이미지 51,000장이 포함되어 있다.
• 이 데이터셋은 연구 및 벤치마킹 목적을 위해 www.linksprite.com/gun-detection-datasets 에서 공개적으로 이용 가능하다.
• 제안된 엣지-클라우드 프레임워크는 낮은 지연 시간으로 임베디드 장치에서 실시간 총 탐지를 가능하게 한다.
• 엣지 장치와 함께 사용될 경우 클라우드 기반 분류 모델은 정확하고 확장 가능한 위협 탐지 기능을 지원한다.
• 엣지와 클라우드 구성 요소의 통합은 실생활 감시 환경에서 실질적이고 구현 가능한 총 탐지 시스템을 가능하게 한다.
• 이 연구는 공공 안전 응용 분야에서 컴퓨터 비전을 활용한 실시간 위협 탐지의 실현 가능성을 입증한다.