스케일 인식형 빠른 R-CNN을 이용한 보행자 검출

본 연구에서는 자연 환경에서 보행자 검출 문제를 다루고 있습니다. 직관적으로, 서로 다른 공간 스케일을 가진 보행자의 인스턴스는 극명하게 다른 특성을 나타낼 수 있습니다. 따라서, 인스턴스 스케일의 큰 변동으로 인해 발생하는 특성 내 카테고리 간의 불필요한 큰 차이는 현대 객체 인스턴스 검출 방법의 성능을 크게 저하시킬 수 있습니다. 우리는 이 문제를 분할 및 정복(Divide-and-Conquer) 철학을 통해 실질적으로 완화할 수 있다고 주장합니다. 보행자 검출을 예로 들어, 이 철학을 활용하여 Scale-Aware Fast R-CNN (SAF R-CNN) 프레임워크를 개발하는 방법을 설명합니다. 해당 모델은 여러 내장 서브네트워크를 도입하여 서로 다른 범위의 스케일을 가진 보행자를 검출합니다. 모든 서브네트워크의 출력은 객체 제안 크기를 기준으로 정의된 게이트 함수를 통해 적응적으로 결합되어, 최종 검출 결과가 생성됩니다. 이 결과는 인스턴스 스케일의 큰 변동에 대해 견고함을 입증하였습니다. 여러 어려운 보행자 검출 데이터셋에 대한 광범위한 평가는 제안된 SAF R-CNN의 효과성을 잘 입증하고 있습니다. 특히, 본 방법은 Caltech, INRIA, ETH 데이터셋에서 최상의 성능을 달성하였으며, KITTI 데이터셋에서도 경쟁력 있는 결과를 얻었습니다.