크기 변화의 분석
연구는 객체의 크기가 크게 달라질 때 인식과 검출 방식이 어떻게 작동하는지 비교했다. ImageNet의 작은 객체를 여러 신경망으로 분류하는 실험도 이용해 크기 변화에 대한 한계를 분석했다.
같은 피라미드 크기
학습과 평가에서 같은 이미지 피라미드 크기를 사용하도록 제안했다. 이미지 크기를 바꾸는 과정에서 객체가 인식하기 어려운 크기가 되는 문제를 함께 고려한다.
선택적인 역전파
각 이미지 크기에서 적합한 크기의 객체 인스턴스만 기울기 역전파에 참여시킨다. 모든 객체를 모든 크기에서 동일하게 학습시키는 대신 크기별 학습 범위를 조절하는 방식이다.
검출 평가
ImageNet-1000에서 사전 학습한 모델과 경계 상자 감독으로 COCO 검출을 평가했다. 단일 모델과 여러 모델의 결합을 비교하며 크기 정규화 학습의 효과를 조사했다.
관련 문서
SNIPER / TridentNet / FSAF / DetNet / Guided Anchoring / LVIS