분류와 검출의 차이
이미지 분류는 객체의 종류를 맞히는 데 초점을 두지만 검출은 위치도 찾아야 한다. 분류를 위해 설계하고 사전 학습한 특징 추출기가 검출의 요구와 완전히 일치하지 않을 수 있다.
다운샘플링의 영향
공간 해상도를 크게 줄이면 수용 영역을 넓힐 수 있지만 정밀한 위치 정보의 보존에는 불리할 수 있다. DetNet은 이런 차이를 특징 추출기의 설계 문제로 다뤘다.
추가 단계와 해상도
기존 분류용 신경망보다 추가 단계를 포함하면서도 깊은 층에서 높은 공간 해상도를 유지한다. 여러 크기의 객체와 위치 추정을 함께 고려한 구성이다.
검출과 분할의 검증
MS COCO에서 객체 검출과 인스턴스 분할의 특징 추출기로 평가했다. 검출 과제에 맞게 설계한 기반 신경망이 서로 다른 예측 과제에 미치는 효과를 조사했다.
관련 문서
SNIP 크기 정규화 / SNIPER / TridentNet / FSAF / Guided Anchoring / Libra R-CNN