헤드 구조의 비교
R-CNN 계열 검출기에서는 완전 연결 구조와 합성곱 구조가 예측 헤드로 사용되어 왔다. 연구는 두 구조가 분류와 위치 추정에서 보이는 차이를 분석했다.
분류에 적합한 특징
실험에서는 완전 연결 헤드가 분류에 더 적합하게 나타났다. 공간 변화에 민감한 특징이 전체 객체와 객체 일부를 구별하는 데 도움이 된다는 분석을 제시했다.
위치 추정의 분리
합성곱 헤드는 위치 추정에 더 적합하게 나타났다. Double-Head는 분류를 완전 연결 헤드에, 상자 회귀를 합성곱 헤드에 맡겨 서로 다른 특성을 활용한다.
검출 성능의 비교
MS COCO에서 FPN 기반 검출기를 기준으로 평가했다. ResNet-50과 ResNet-101 특징 추출기를 사용해 두 헤드의 역할을 나눈 구성이 평균 정밀도에 미치는 영향을 조사했다.
관련 문서
TOOD / Generalized Focal Loss / VarifocalNet / Libra R-CNN / Cascade R-CNN / MegDet