분류 점수의 한계
객체의 범주를 잘 맞히는 상자가 위치도 정확하다고 할 수는 없다. 위치 신뢰도가 없으면 정확한 상자가 반복 회귀 중 나빠지거나 비최대 억제에서 제거될 수 있다.
위치 신뢰도의 학습
IoU-Net은 검출 상자와 대응하는 정답 사이의 IoU를 예측한다. 이 예측 값을 상자가 얼마나 정확하게 객체의 위치를 나타내는지 판단하는 정보로 사용한다.
후보 선택과 보정
위치가 정확한 상자를 보존하도록 비최대 억제에 신뢰도를 반영한다. 예측 IoU를 최적화 목표로 삼아 상자를 보정하는 방법도 함께 제안했다.
검출기와의 결합
MS COCO에서 여러 객체 검출기와의 결합을 평가했다. 위치 품질의 추정이 최종 후보 선택과 경계 상자의 정밀도에 미치는 영향을 분석한 연구다.
관련 문서
Grid R-CNN / VarifocalNet / Generalized Focal Loss / PAA 객체 검출 / Soft-NMS / GIoU