학습 예시의 가중치
객체 검출은 예측 위치마다 객체에 대응하는 양성인지 음성인지를 정해야 한다. AutoAssign은 이 과정을 미분 가능한 가중치 계산으로 표현해 검출기와 함께 학습한다.
범주별 위치 분포
Center Weighting은 데이터의 사전 분포를 반영하면서 범주별 특성에 맞게 분포를 조정한다. 모든 범주에 동일한 위치 규칙을 강제하기보다 학습으로 이를 조절하는 구성이다.
객체 외형의 반영
Confidence Weighting은 개별 객체의 외형에 맞는 할당 전략을 조절한다. 두 가중치 구성을 결합해 각 위치의 신뢰도를 조정할 양성과 음성 가중치를 만든다.
여러 자료의 검증
MS COCO에서 여러 특징 추출기로 표본 선택 전략을 비교했다. PASCAL VOC, Objects365, WIDER FACE에서도 실험해 서로 다른 검출 자료에서의 적용 가능성을 조사했다.
관련 문서
FreeAnchor / ATSS / PAA 객체 검출 / OTA 객체 검출 / TOOD / WIDER FACE