앵커 할당의 역할
객체 검출기의 앵커를 양성이나 음성으로 지정하는 과정은 학습 결과에 영향을 준다. PAA는 고정된 기준만 따르기보다 모델이 학습한 상태를 바탕으로 이 구분을 조정한다.
점수의 확률 분포
모델에 조건을 둔 앵커 점수를 계산하고 점수에 확률 분포를 맞춘다. 각 앵커의 확률에 따라 양성과 음성을 나누어 모델을 학습한다.
분류와 위치 품질
검출 상자의 IoU를 예측해 위치 품질을 추정한다. 분류 품질과 위치 품질을 결합한 점수를 비최대 억제의 상자 선택 기준으로 사용해 학습 목표와 추론의 차이를 줄이려 한다.
검출기의 구성과 평가
RetinaNet 기준에 합성곱 층 하나를 추가하며 한 위치에 여러 앵커를 요구하지 않는 구성을 제시했다. MS COCO에서 여러 특징 추출기를 이용해 제안 방법의 효과를 평가했다.
관련 문서
ATSS / Focal Loss / Generalized Focal Loss / Soft-NMS / Adaptive NMS / DIoU