* anchor-based detector
* anchor-free detector (FPN, Focal Loss) : anchor 없이 object를 바로 찾을 수 있음
- anchor에 관련된 hyperparameter를 사용하지 않고 anchor-based detector와 비슷한 성능을 얻음
(1) keypoint-based 방법 : 키 포인트를 이용하여 object의 위치를 예측
(2) center-based 방법 : object의 중앙을 예측한 후 positive인 경우, object boundary의 거리를 예측
*RetinaNet(one-stage anchor-based detector) vs FCOS(center-based anchor-free detector)
- location 마다 설정해 놓은 anchor(point)의 개수
- positive 또는 negative sample의 정의 : 성능의 차이 발생 원인 = object 특성에 따라 자동으로 positive, negative sample을 선택하는 Adaptive Training Sample Selection(ATSS)을 제안, 많은 anchor를 사용하지 않아도 됨
- regression starting status
*positive sample, negative sample 을 정의하는 방법이 가장 중요하다.
반응형
'스타트업 > AI' 카테고리의 다른 글
| [AI] FCOS : Fully Convolutional One-Stage Object Detection (0) | 2020.04.01 |
|---|---|
| [AI] FSAF(Feature Selective Anchor Free) (0) | 2020.03.31 |
| [AI] Bags of Tricks for Image Classification with Convolutional Neural Networks (0) | 2020.03.30 |
| [AI] Fast AutoAugment (0) | 2020.03.27 |
| [AI] EfficientNet (0) | 2020.03.27 |