SSD: Single Shot MultiBox Detector SSD: 단일 샷 멀티박스 검출기

우리는 단일 딥 뉴럴 네트워크를 사용하여 이미지에서 객체를 감지하는 방법을 제시합니다. 우리의 접근 방식인 SSD는 각 피처 맵 위치에서 다양한 종횡비와 크기를 가진 일련의 기본 박스로 바운딩 박스의 출력 공간을 이산화합니다. 예측 시점에서는 네트워크가 각 기본 박스 내에 객체 카테고리가 존재할 확률을 생성하고, 객체의 형태와 더 잘 일치하도록 박스 조정 값을 생성합니다. 또한, 네트워크는 다양한 해상도를 가진 여러 피처 맵의 예측 결과를 결합하여 다양한 크기의 객체를 자연스럽게 처리할 수 있습니다. SSD 모델은 객체 제안이 필요한 방법에 비해 상대적으로 간단합니다. 이는 제안 생성 단계와 후속 픽셀 또는 피처 재샘플링 단계를 완전히 제거하고 모든 계산을 단일 네트워크에 포함시키기 때문입니다. 이로 인해 SSD는 훈련하기 쉽고, 감지 구성 요소가 필요한 시스템에 통합하기도 간편합니다.PASCAL VOC, MS COCO, ILSVRC 데이터셋에 대한 실험 결과는 SSD가 추가적인 객체 제안 단계를 활용하는 방법과 유사한 정확도를 보이며, 훨씬 빠르다는 것을 확인해주며, 훈련과 추론 모두에 대한 통합된 프레임워크를 제공합니다. 다른 단일 단계 방법들과 비교했을 때, SSD는 입력 이미지 크기가 작더라도 훨씬 더 우수한 정확도를 보입니다. 300×300 입력에서 SSD는 Nvidia Titan X에서 58 FPS로 VOC2007 테스트에서 72.1% mAP(평균 정밀도)를 달성하였으며, 500×500 입력에서는 75.1% mAP를 달성하여 비슷한 수준의 최신 기술인 Faster R-CNN 모델보다 우수한 성능을 보였습니다. 코드는 https://github.com/weiliu89/caffe/tree/ssd 에서 확인할 수 있습니다.