직사각형 표현의 한계
경계 상자는 객체의 위치를 간편하게 나타내지만 형태를 거칠게 표현한다. 그 상자에서 추출한 특징도 객체의 세부적인 공간 구조를 충분히 반영하지 못할 수 있다.
대표점의 학습
RepPoints는 위치와 인식을 위한 표본점 집합을 사용한다. 정답 위치와 인식 목표를 감독 정보로 주어 점들의 배치가 자동으로 학습되도록 구성했다.
범위와 의미 있는 부분
학습된 점은 객체의 공간 범위를 감싸면서 의미 있는 국소 영역을 나타내도록 한다. 앵커 상자로 후보 공간을 표본화하지 않고 점 집합으로 객체를 다루는 접근이다.
검출기의 평가
앵커 없는 검출기에 RepPoints를 적용해 COCO test-dev에서 평가했다. ResNet-101을 사용한 결과를 통해 더 세밀한 객체 표현이 검출에 미치는 효과를 조사했다.
관련 문서
Grid R-CNN / CornerNet / CenterNet 중심점 검출 / FCOS / FoveaBox / Guided Anchoring