사전 학습 구조의 제약
분류와 검출은 위치 변화에 대한 요구가 다를 수 있다. ScratchDet은 분류용 신경망을 미세 조정하는 방식이 학습 목표와 구조 변경에 주는 제약을 검토했다.
배치 정규화의 역할
처음부터 학습한 검출기는 수렴이 어렵거나 성능이 낮아질 수 있다. 연구는 배치 정규화가 안정적인 기울기를 제공하는 역할에 주목해 학습을 구성했다.
Root-ResNet의 설계
다운샘플링 정도를 여러 조건에서 실험하고 원본 이미지의 정보를 활용하도록 Root-ResNet을 제안했다. 사전 학습된 분류 구조에 얽매이지 않고 검출용 구조를 탐색하려는 접근이다.
평가 자료
PASCAL VOC 2007과 2012, MS COCO에서 다른 검출 방법과 비교했다. 처음부터 학습하는 방식의 수렴과 검출 정확도를 함께 조사한 연구다.
관련 문서
ImageNet 사전 학습의 재검토 / DetNet / SNIPER / TridentNet / Focal Loss / Libra R-CNN