5.2 one-stage detector

one-stage detector
- 객체 탐지의 효율성과 속도를 극대화하기 위해 설계됨

5.2.1 YOLO

등장 배경

<aside> 📌

기존 two-stage detector의 문제점
- 객체 주변의 정보들을 무시함
- 3차원의 정보를 2차원으로 투영한 이미지로 전체 맥락에 대한 이해도 낮음
⇒ 배경 이미지를 객체로 인식하는 경우 많았음 (background error가 높다)

</aside>
주요 특징
- 통합 예측(unified detection) 시스템 : 탐지하고자 하는 객체의 정보와 객체 위치를 한번에 예측
  1. 그리드 분할 : 일정한 사이즈의 정사각형 또는 직사각형으로 분할
  2. B개의 바운딩 박스 예측 : 객체를 포함할 가능성이 있는 영역을 예측하고 신뢰도 점수 부여
    - 신뢰도 점수는 두 가지 요소로 구성
      1. 해당 바운딩 박스 내에 객체가 존재하는 확률
      2. 예측된 바운딩 박스와 실제 객체의 위치 사이의 일치도
한계
- 작은 객체들은 상대적으로 잘 탐지하지 못함
네트워크 디자인
- 단일 합성곱 신경망(CNN) 구조를 사용해 이미지 속 객체 탐지 및 분류
- 1x1의 축소 층과 3x3의 합성곱 층의 조합을 사용해 효율적인 특징 추출 매커니즘 구현
학습 과정
1. 바운딩 박스의 중심 좌표에 대한 손실
2. 바운딩 박스의 너비와 높이에 대한 손실
3. 객체가 있는 경우의 바운딩 박스에 대한 신뢰도 손실
4. 객체가 없는 경우의 바운딩 박스에 대한 신뢰도 손실
5. 클래스 확률에 대한 손실

5.2.2 YOLO9000(YOLOv2)과 YOLOv3

YOLO 후속 모델
YOLO9000의 주요 개선점
- DarkNet-19
  - 특징 추출을 위한 딥러닝 아키텍처
    - 19개의 층으로 이루어짐
      - 18개의 합성곱 층 (대부분 3x3 필터 사이즈, 일부는 1x1 필터 사이즈)
      - 활성화 함수 : Leaky ReLU
      - 1개의 최대 풀링 층
  - 백본 네트워크의 역할 : 컴퓨터 비전 작업을 위한 신경망 모델에서의 기본 구조
  - 객체들을 빠르게 인식 가능
  - 고속 GPU에서 연산 최적화를 위한 여러 가지 튜닝 기법을 포함하고 있어 실시간 객체 검출 가능
  - 앵커 박스 도입 + 풀링 층 제거
YOLO v3의 주요 개선점
- DarkNet-53
  - 더 많은 층을 통한 복잡한 특징 학습 + 깊은 신경망의 학습 효율성을 향상시키는 레즈넷의 잔여 연결의 도입
    
    <aside> 📌
    
    잔여연결의 장점
    - 기울기 소실 문제 완화
    - 교차 층 데이터 흐름 강화
    - 안정적인 학습 지원 </aside>
    ⇒ 훈련 과정 가속화 + 높은 차원의 특징 효과적으로 포착 (일반화 능력 강화)
  - 특정 피라미드 네트워크를 이용한 멀티 스케일 예측
    - 입력 이미지를 다양한 층에 통과시킴
      - 작은 사이즈의 특징 맵 ⇒ 큰 객체 탐지에 효과적
      - 큰 사이즈의 특징 맵 ⇒ 작읍 객체의 미세한 세부 사항까지 포착 가능
    - 업샘플링(특징 맵의 사이즈 키움)
      - 이미지의 사이즈를 인위적으로 확장해 해상도를 높여 객체의 세부적인 특징을 더 잘 포착하도록 함

5.2.3 EfficientDET

백본 네트워크
- 모델의 기본 구조
- 입력 이미지에서 기본적인 특징 추출
- 깊은 신경망으로 구성
- 이미지 내의 다양한 시각적 패턴 학습
(양방향) 특징 추출 피라미드 네트워크
- 백본 네트워크에서 추출한 특징 맵의 정보를 다양한 스케일에서 통합
- 모델이 이미지의 다양한 사이즈와 형태의 객체를 효과적으로 탐지하도록 도움
- 다양한 사이즈의 객체 탐지 & 상세한 특징 정보 활용 & 다양한 스케일의 정보 통합 & 효율적인 컨텍스트 정보 활용
예측 네트워크
- 통합된 피쳐 맵을 바탕으로 최종 객체 탐지 수행
- 객체의 위치, 사이즈, 클래스 등을 예측하는 다양한 층과 매커니즘 포함