후처리도 학습하기
객체 검출에서는 후보 생성과 특징 추출, 분류를 하나의 신경망으로 학습하는 방향이 발전했다. 이 연구는 중복 검출을 정리하는 비최대 억제도 학습의 대상으로 삼았다.
고정된 규칙의 절충
전통적인 비최대 억제는 탐욕적으로 후보를 고르고 고정된 거리 기준을 사용한다. 기준에 따라 중복 후보를 남기는 정도와 실제 객체를 놓치는 정도 사이의 절충이 생긴다.
상자와 점수의 사용
제안한 신경망은 검출된 상자와 그 점수만 이용해 비최대 억제를 수행하도록 설계했다. 후보들의 관계를 반영해 어느 검출을 유지할지 학습하는 접근이다.
위치와 가림의 평가
PETS의 사람 검출과 COCO의 일반 객체 검출을 대상으로 실험했다. 연구는 위치 정확도와 가림 처리에서 나타나는 변화를 통해 학습 기반 후처리의 가능성을 조사했다.
관련 문서
Soft-NMS / Adaptive NMS / Repulsion Loss / CrowdHuman / CityPersons / LVIS