빠른 객체 검출을 위한 통합된 다중 스케일 딥 컨볼루션 신경망

다중 규모 객체 검출을 위한 빠른 통합 딥 신경망인 다중 규모 CNN(MS-CNN)이 제안되었습니다. MS-CNN은 제안 서브네트워크와 검출 서브네트워크로 구성됩니다. 제안 서브네트워크에서는 여러 출력 계층에서 검출이 수행되므로 수용 영역이 다양한 크기의 객체에 맞춰집니다. 이러한 보완적인 규모별 검출기는 결합되어 강력한 다중 규모 객체 검출기를 생성합니다. 통합 네트워크는 멀티태스크 손실 함수를 최적화하여 엔드투엔드로 학습됩니다. 입력 업샘플링 대안으로서, 역컨벌루션을 이용한 특성 업샘플링도 탐구되었습니다. 이를 통해 메모리와 계산 비용을 줄일 수 있습니다. MS-CNN은 KITTI 및 Caltech와 같은 많은 작은 객체를 포함하는 데이터셋에서 최대 15 fps의 성능으로 최고 수준의 객체 검출 결과를 보고하고 있습니다.