single shot multibox detector 간단하게 다시 살펴보기

1. motivation

 

YOLO는 단 1번의 과정으로 모든 prediction을 해서 localization 정확도가 떨어진다

 

속도가 빠른데 Faster R-CNN보다 성능이 떨어지는 것은 분명 아쉬운 점인데 더 잘할 수 있는 방법이 없을까?

 

 

2. 구조

 

최종적으로 1번만 prediction하는 것이 아니라 각 중간 layer마다 나오는 feature map 크기를 고려하여

 

적절한 크기의 bounding box를  중간 단계마다 모두 가져오는 방식

 

이미지의 object scale은 전부 다르다.

 

그래서 서로 다른 크기의 중간 layer의 feature map에 맞는 적절한 크기의 bounding box를 전부 고려하여

 

multi scale의 object에 더욱 잘 대응하고자 함

 

 

 

1,2,3,4,5,6 각각에서 feature map 크기를 고려한 적절한 크기의 bounding box로 전부 구해와서 최종단계로 가져옴

 

8732는 1개의 class당 모든 bounding box의 수

 

3. 성능

 

대단히 많은 경우를 고려(R-CNN이 2000개)하는데 구조가 단순해서 YOLO보다 속도도 빠르고 심지어 Faster R-CNN보다 성능도 좋음

 

 

물론 각 모델의 input resolution이 전부 다르다는 것을 감안해야함